饱和-非饱和水流运动及溶质运移转化规律是地下水资源与水环境领域的研究重点之一,学者们开发了一系列成熟的饱和-非饱和数值模型,用于刻画水流和溶质在土壤水和地下水中的时空分布特征与复杂的运移及转化过程。但是,真实环境下的饱和-非饱和带是一个开放复杂的“巨系统”,任何数值方法、控制方程和定解条件均是对复杂的实际问题的概化,模型参数多且测量成本高,难以准确反映自然界土壤水和地下水水流及溶质运移转化机理。集合卡尔曼滤波（En KF）数据同化技术作为一种可以高效融合多源观测信息与机理模型模拟结果的技术手段,能够有效改进模型参数估计和状态变量预测效果,近年来,该方法已逐渐应用于饱和-非饱和水流和溶质研究领域。本文首先系统总结了国内外饱和-非饱和水流运动和溶质运移的数据同化研究进展,分析了数据同化技术在真实复杂的饱和-非饱和环境中的应用性能,提出了现有研究中两大难题:一是数据同化中多种模型不确定性来源的处理方式,特别是模型结构误差的识别与量化,二是观测与模型尺度失衡问题的解决方案。本文试图为饱和-非饱和水流和溶质的实时预测与模型参数估计提供更为适用与成熟的工具。基于上述问题,确立了本文的研究目标和内容:1)针对非饱和土壤水分数据同化研究,以农业水文模型SWAP模型土壤水运动模块（Soil-Water Flow,SWF）为基础,构建了基于Richards动力学方程和En KF同化算法的土壤水数据同化框架SWF-En KF。以田间试验为基础,检验真实环境下En KF数据同化方法在土壤含水率估计和土壤参数反演中的适用性和有效性。结果表明:相比于非条件模拟以及只更新状态的同化方案,考虑参数不确定性,并联合更新参数和状态的En KF方法能够获得更好的土壤水分预测效果,估计出的土壤水力参数与离心机和双套环试验结果相符,说明En KF同化方法是改善非饱和土壤水分估计及非饱和水力参数反演的有效手段。2)针对初始条件及气象边界条件不确定的模拟条件,在数据同化框架内以添加误差扰动的方式考虑其不确定性,使得参数估计值更加准确且稳健,同化后的土壤水分剖面与观测值匹配更佳。3)考虑到土壤强烈的空间异质性,为解决观测尺度（点尺度）与模型尺度（田块尺度）失衡所带来的同化不确定性问题,将基于时间稳定性分析和NRS随机采样分析的升空间尺度转换方法引入数据同化应用研究中,结果表明,土壤含水量的时空信息分析有助于在控制采样成本的条件下,提高从点尺度到田块尺度的升尺度数据同化精度。4)针对多组分反应性氮素运移问题,基于En KF算法,构建了耦合水动力学模型（HYDRUS-1D）和化学反应动力学模型（PHREEQC）的反应性氮素数据同化模型。通过一维反应性氮素运移数值实验检验了数据同化方法的有效性。结果表明:在复杂化学反应系统中,当模型存在结构缺陷时,传统的En KF算法难以对溶质的迁移转化过程进行精确预测,也难以估计出稳定且稳定的模型参数,这说明由模型结构所导致的不确定性不能通过参数来进行补偿。5)针对具有结构缺陷的数值模型,提出一种基于En KF顺序性数据同化算法和高斯过程回归（GP）机器学习算法的混合算法框架（En KF-GP）,更为精准地量化和估计模型预测中的多源误差。通过数值试验对混合算法的性能进行了评估,结果表明:En KF-GP混合算法能够很好地识别模型结构误差,并以顺序性的方式将之反馈到数据同化体系中,有效避免了同化过程中参数过度拟合的问题;混合算法更易估计出合理且稳定的等效模型参数,使模型具有更好的预测性能,增强了模型在不同模拟条件的适应能力。该研究可以更好地理解复杂饱和-非饱和水流及溶质运移转化过程,为复杂饱和-非饱和系统的精准数值模拟提供了新思路和新模型。最后,对全文进行了总结,指出了研究中有待进一步完善的地方,并展望了未来的研究方向。