水文地质参数是地下水流和溶质运移数值模型建立的关键因素之一,但由于含水介质的空间变异性,目前还无法进行准确地测量和描述。集合卡尔曼滤波(EnKF)是一种能够处理多来源观测数据的有效的数据同化方法,能够对水文地质参数进行有效的估计,近几年来,逐渐开始应用于水文地质学领域。本文在前人研究的基础上,首先探讨了基于协方差局域化改进的EnKF方法,并通过理想算例与标准EnKF进行了比较。结果表明局域化EnKF能够提高同化系统的计算精度,抵御取样噪声问题,特别是对小集合同化系统,局域化EnKF的优势尤为明显。随后,本文利用EnKF及其局域化改进方案研究了水头观测数据不同时空配置对滤波同化系统运算效果的影响。结果显示：局域化EnKF方法能够充分吸收足够多的观测资料,其运算精度随观测空间密度的加大而增加,而对于标准EnKF则不体现这种趋势；除了过高的时间密度会使同化结果变差以外,总体趋势上,观测数据时间密度增大,局域化EnKF方法的运算精度相应增高,但对不同数目的观测井方案,这种精度增高的幅度有所变化,某种程度上观测井越多,增高越不明显；在观测数据合理的时间密度配置下,小空间密度EnKF可能获得比大空间密度EnKF更好的同化效果；该研究成果对地下水观测井的优化布设具有重要的指导意义。最后,本文建立了MODFLOW-MT3DMS-EnKF耦合模型,将浓度观测资料与水头观测资料结合,共同来同化估计水文地质参数。理想算例计算结果表明：利用浓度观测资料参与局域化集合卡尔曼滤波同化系统,帮助估计水文地质参数是可行的,同时,仅根据浓度观测资料得到的水文地质参数的估计效果不如仅根据水头观测资料的估计效果；但是在合理的浓度观测配置下,浓度观测资料能够给同化系统带来积极影响,改善同化系统的计算效果。