我国寒区旱区野外监测台站和已经布设的观测系统大都分布在非常恶劣的自然环境下,目前这些台站主要以站内观测研究为主,综合联网观测水平较低,数据收集、传输、处理的实时性较差,导致区域性综合研究不足,对于较大区域和较大尺度的科学研究缺少数据支撑。经过对寒旱地区野外观测环境的调研与分析,通过观测仪器组网（FOIN）和无线传感器网络（WSN）的比较,发现两者都具有自组织、无线传输、动态拓扑结构等相似特征,借助WSN的技术,针对FOIN独有的特征对其进行优化和改进可以满足FOIN的需求。因此,本文基于WSN主要做了以下三个方面的工作:第一,为了借助WSN技术解决FOIN相关问题,本文详细研究了目前国内外WSN主流路由技术并分析了其优缺点,总结了分簇路由算法的特点并详细对比了WSN与FOIN的异同点,提出FOIN路由协议研究的重点是通过网络分簇优化以及网络分簇和簇间路由的有机结合,从而缓解和避免由于节点能耗不均导致的网络过快死亡问题。第二,为提高野外观测仪器综合联网观测的整体水平,解决FOIN中存在的问题,本文基于经典分簇路由算法LEACH提出了一种适用于FOIN的分层、异构的成簇路由算法LHC（Layered and Heterogeneous Clustering routing algorithm）。LHC算法先采用将节点设定为高级节点与普通节点的能量异构模型,增大高级节点被选举为簇头（CH）的概率;然后采用分层结构将网络划分为若干层,每一层选举出固定数目的簇头,优化了簇头节点分布;最后在每轮簇头选举中引入了能量因子和距离因子机制来改进簇头选举方法。在Matlab环境中,将LHC算法与LEACH、SEP、DEEC从网络生命周期、能量消耗和簇头数目等方面进行了仿真对比实验。实验结果表明,LHC算法具有簇头分布均匀、节点能耗均衡等优势,有效地提高了FOIN的数据传输能力与能量效率,延长了网络的生命周期,从而为实现FOIN综合组网观测以及数据传输的实时性、可靠性提供了技术保障。第三,由于节点通信带宽、计算能力、能量等资源普遍受限,本文将多目标优化算法与仪器组网协议无缝集成,提出了一种基于熵权TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）算法的多目标决策成簇路由算法ETC（Entropy-TOPSIS Clustering routing algorithm）。ETC算法通过多目标决策选择最优簇头（Optimal-CH）,主要解决现有多目标优化过程中不能动态、客观地分配权重等问题。在Matlab仿真实验中,将ETC算法与主流路由算法从网络寿命、簇头个数以及能耗等方面进行了比较。仿真结果表明,ETC算法能够有效提高观测仪器组网能量效率,延长网络生命周期,可以作为一种适合恶劣环境下稳定、高效运行的仪器组网路由协议。