无线传感器网络的应用十分广泛,其廉价、灵活、自组织和易扩展等特点也在小气候观测应用中体现出很大的优势,弥补了自动气象观测站的不足。无线传感器网络的应用最重要的目的就是收集监测对象的数据信息,帮助人们感知客观世界,但是小气候观测数据有着数据海量、时空相关性高等特点,需要根据这些特点设计适宜的网络数据收集协议。本文的主要工作就是通过探索数据的时空相关性来研究基于无线传感器网络的小气候观测数据收集协议：(1)概述了无线传感器网络数据收集技术,对传统数据收集协议进行了综述和分类,分析其面临的挑战；针对小气候观测应用的特点,分析了数据收集协议的设计要求,为进一步研究小气候观测数据收集协议提供准备工作。(2)提出一种基于空间相关性的数据收集协议传感器节点高密度部署在小气候观测区域内,邻近节点间的监测数据具有很高的空间相关性,传输数据中有大量的冗余信息。本文首先提出一种能量感知的分布式抽样的数据收集协议DEAS(Distributed Energy-Aware Sampling protocol),该协议在保证插值误差精度的情况下充分利用传感器节点的空间相关性,通过迭代竞争机制选出近似最优的抽样节点集合来完成网络数据的收集任务。仿真结果表明每一周期的抽样节点数量更少,网络的能量消耗更加均匀,该协议能有效降低网络能量消耗,与E2K和ODSA相比,可延长网络生命周期200%～30%。(3)提出一种基于时间序列预测模型的簇型数据收集机制在小气候环境中,温度、湿度等气象元素在时间和空间上通常是连续的,本文第四章进一步探讨了节点感知数据间的时间相关性,提出了一种基于时间序列预测模型的簇型数据收集机制CDCF(an Clustered Data Collection Framework based on time series prediction model)。CDCF机制包括一种基于曲线拟合最小二乘法的时间序列预测模型和简单有效的误差控制策略。簇型结构考虑到了数据间的空间相关性,时间序列预测模型探讨数据的时间相关性。实验仿真表明,相对于收集原始数据,该机制只需10%～20%的通信量就可完成整个网络的数据收集任务：数据误差控制方法可以保证基站恢复数据的误差控制在用户定义的误差范围之内。