土壤水分是水资源的重要组成部分，在地气界面间物质、能量交换中起着重要的作用。有研究表明，将遥感与水分过程模型进行同化是研究土壤水分最有潜力的方法。遥感观测和水文过程模型的同化，可将模型扩展到面上，可以利用水文过程模型来约束遥感反演模型；利用遥感数据来调整模型的运行轨迹、校正模型的参数，可以有效减小模型本身误差的积累，提高模型的预测能力和遥感反演土壤水分的时空连续性。因此，开展遥感观测与水文模型的土壤水分同化研究具有非常重要的科学意义和实用价值。　　 本论文根据国家重点基础研究发展规划项目(973)子课题“基于知识的土壤水分、植被结构参数遥感综合反演研究”的需求，针对观测数据和水文过程模型模拟的缺憾，开展‘遥感与水文过程模型的土壤水分同化方法研究’。研究主要包括利用雷达遥感与水文过程模型的单点土壤水分同化方法研究和利用热惯量遥感与水文过程模型的区域土壤水分同化方法研究。研究具体包括同化方案及同化算法的理论研究、同化系统的具体实现以及同化效果的实际验证。本文开展了以下研究工作：　　 1.研究将集合预报成员不等权重的思想和集合卡尔曼滤波(EnKF)同化方法相结合，利用集合成员的离散度作为权重因子，对EnKF算法优化后的集合成员采用不等权重来取集合平均值，作为同化后的预报值。研究首先检验了集合离散度和预报误差的相关关系，证明了将集合离散度作为权重因子的可靠性，并利用分布式水文过程模型(DHSVM)和实测数据进行了土壤水分的同化变权实验。经过与常规方法的比较分析，结果表明，集合变权平均法可以进一步提高同化的预报效果。　　 2.研究提出一种基于EnKF和GA算法相结合的土壤水分单点同化方法。以黑河流域Huazhaizi站点和Yingke站点为实验区，选用ASAR星载雷达和地面观测数据，结合水文过程模型(DHSVM)-微波辐射耦合模型进行土壤水分同化实验研究。为提高同化效果，本文将DHSVM水文过程模型模拟的土壤水分，输入到微波辐射传输模型中，正演得到水文-微波辐射耦合模型模拟的后向散射系数；并利用耦合模型模拟的后向散射系数和ASAR观测的后向散射系数构建代价函数，通过代价函数来比较ASAR观测和模型模拟之间的偏差；分别选择集合卡尔曼滤波(EnKF)和遗传算法(GA)对模拟过程进行重新初始化、重新参数化，以提高土壤水分的模拟精度。经过与单用EnKF算法的比较，结果表明，同化效果更佳，明显提高了土壤水分的估算精度。　　 3.开展了基于热惯量遥感与水文过程模型DHSVM模拟的区域土壤水分同化方法研究。研究首先对热惯量遥感模型反演的表层土壤水分与分布式水文过程模型模拟的表层土壤水分偏差进行判别，对于两者偏差较小的网格利用局部滤波来同化，对于两者偏差较大的网格利用全局滤波来同化。在全局滤波中引入土壤水分的空间变异函数参与同化，对全局滤波的同化窗口大小进行调整。经过与单独使用DHSVM模型模拟、实测数据的比较，结果表明，基于全局滤波和局部滤波方法的热惯量遥感和分布式水文模型的区域土壤水分同化方案是可行的，能明显提高土壤水分的估算精度。