雨量站网为水文气象研究和水利工程建设提供基础的降水资料,对于水资源管理、水库调度、洪水预报等至关重要。为提高站网采集信息的效率,有必要对雨量站网进行科学的设计和优化。信息熵可量化站点降水序列的信息量,在雨量站网优化中已得到广泛应用;copula函数作为一种多变量联合分布拟合的方法,可与信息熵耦合用于熵指标的估计,避免以往数值离散化计算方法导致的不确定性。本文主要从完善信息熵优化模型和改进熵指标计算方法方面开展了研究。当前基于信息熵的站网优化准则类型多样、标准不一,缺少相同地理条件下的应用对比。为此,本文归纳了常用的四类信息熵准则,以太湖流域浙西山丘区雨量站网为例,分析了各准则优选站点位次和频次的相关性以及空间分布的差异,并探讨了数值离散化方法的影响。研究发现优选站点多位于研究区边缘而较少分布在山区,不利于山区降水特别是暴雨事件的观测,故有必要改进当前优化方法,使优选站点的空间分布更为合理。通过结合信息熵准则与站点空间分布,论文建立了一种基于空间信息均衡（SIB）的雨量站网优化模型。利用Thiessen多边形将研究区进行分割和组合,以“结点-站点组合”为单元,评估不同区域的信息承载量和冗余量,根据信息效率系数（IEC）识别“峰/谷结点”,进而增删站点形成优化方案。SIB模型在浙西山丘区雨量站网的应用表明,模型生成的雨量站网优化方案能够为降水时空变异程度大的山区和站点稀疏区配置更多监测站点,从而有效地均衡空间信息。增删站点的数目和位置随模型中的IEC阈值而改变,同时受离散化方法影响。为改进信息熵指标的计算,论文提出了一种耦合熵-copula的计算方法,分别通过最大熵原理（POME）和copula联合分布拟合估计信息承载量和冗余量指标,建立了站网优化的HI-TI（边缘熵指数-互信息指数）模型和H-T（边缘熵-互信息）链式模型。将模型应用于浙西山丘区和北京市雨量站网,所选用的5个copula函数族中,Gumbel,Frank和Normal copula更适用于实例中降水序列的联合分布。模型优选站点能较好地还原典型降水事件中雨量的空间分布,其中强降水还原所需站点数目更多;采用汛期序列计算所得的优选站点更有利于暴雨事件的还原。本文的创新点主要包括:（1）基于均衡空间信息的思想建立了站网优化模型,提出了监测效率评估指标IEC和信息效率的“峰/谷结点”概念,以及相应的站点增删处理方案。与当前普遍采用的“多目标准则+帕累托优化”模式相比,SIB模型结合了站点空间分布,能直观呈现优化过程,并保留了决策空间。（2）提出了耦合熵-copula的熵指标计算方法,并建立了相应的站网优化模型。通过POME可求得最大熵分布下的边缘熵;引入copula函数可拟合降水序列的相依性结构,求得稳定的互信息估计值,避免了以往采用数值离散化方法的主观性和不确定性问题。