流域科学是地球系统科学在流域尺度上的实践，随着流域科学研究的逐渐升温，对地面观测的需求越来越大，但是流域尺度观测的缺乏，已经成为流域科学发展的瓶颈。近年来，无线传感器网络技术的兴起，提高了流域尺度的观测能力。分布式的密集传感器网络，能够捕捉流域生态水文变量的空间分布特征和时间演进过程，是实现遥感产品真实性检验、模型参数标定和模型变量优化的全新技术手段。为推动流域科学研究的进一步发展，“黑河流域生态水文过程综合遥感观测联合试验”(Heihe Water AlliedTelemetry Experimental Research，HiWATER)在黑河流域建立了流域尺度的观测系统。生态水文传感器网络(Eco-hydrological Wireless Senor Network，EHWSN)是HiWATER的基础试验之一，是刻画流域尺度生态水文变量时空异质性及其不确定性的崭新观测方式，是实现遥感真实性检验的全新技术手段。全文即围绕EHWSN的优化布设及其观测数据的尺度上推算法展开。　　要使传感器网络发挥其优势，必须对其节点的空间位置进行优化设计，实现以有限的节点数量最大程度地满足研究目标。以空间采样理论和地统计学理论为基础，优化设计黑河中游生态水文传感器网络，捕捉目标变量的时空异质性，估计异质性地表的像元尺度“真值”是本论文的重点研究内容。然而在该研究区几乎没有可用的高分辨率先验信息，为了满足研究需求，提出了一个基于模型的混合优化采样策略，无需任何目标变量的空间变异结构的假设和先验信息。该方法包括两个子策略，一是针对变量空间变异结构建模;二是有助于减少空间估计的不确定性。这两点都有利于精确地估计异质性地表“真值”，准确地用于评价遥感反演产品。采用了服从N(0，1)分布的15种类型随机模拟场，从样本代表性、变异函数参数估计精度以及不同像元尺度的估计精度三个方面进行验证。结果表明，经过优化的传感器网络有较好的属性代表性，均值最大和平均绝对偏差分别为0.124和0.085，标准差的最大和平均绝对偏差分别为0.052和0.043;变异结构建模精度较高，最大相对误差不超过6％，平均相对误差为3％。另外，用优化结果进行了多个像元尺度的估计，结果表明当超过240m的估计尺度时，估计场与模拟场有较高的相似性，最大相似性为70％。因此，这个混合优化策略对于完成研究目标是有效的。　　依托于EHWSN的土壤水分观测数据，针对EHWSN两个既定目标，即遥感产品真实性检验和流域尺度生态水文过程的应用研究，分别在黑河的中游及上游展开实践。遥感产品在应用之前必须要经过系统的真实性检验，如何采用多点观测为遥感验证提供可靠的像元尺度“真值”是一个需要正面解决的问题;流域生态水文过程的研究离不开模型模拟，但站点观测无法直接应用于模型，需要将地面观测映射到模型的模拟单元（如网格），匹配两者的空间尺度。因此，面向EHWSN的应用目标，我们开展了以土壤水分为研究变量的升尺度算法研究。　　在黑河中游地区，人工灌溉管理制度是造成土壤水分时空分布不均的主要原因，土壤水分空间异质性会造成地表水热特征的差异。另外，农田破碎以及多种地表类型交错分布，增强了土壤水分的空间异质性，即使密集分布的传感器网络也无法完全捕捉这种空间变异。因此，为了提高估计精度，采用回归克里格算法融合无线传感器网络多点观测和遥感辅助信息，比较了不同分辨率和信息来源的遥感数据对土壤水分升尺度的贡献作用，包括高级星载热辐射热反射探测仪(Advanced Spaceborne Thermal Emission andReflection Radiometer，ASTER)的温度植被干旱指数数据(Temperature Vegetation DroughtIndex，TVDI)(90 m)、中分辨率成像光谱仪(Moderate Resolution ImagingSpectroradiometer，MODIS)的TVDI(1000 m)及L波段双极化多角度机载微波辐射计(Polarimetric L-band Multiband Radiometer，PLMR)亮度温度(700m)。与普通克里格结果比较表明引入遥感辅助信息能够显著提高升尺度的估值精度，而且能反映土壤水分的空间分布模式及其细节信息，尤其是当灌溉破坏了土壤水分的空间连续性时;ASTERTVDI因为与土壤水分的相关性最强且分辨率较高，其估计误差最小;即使引入相关性较弱其分辨率较低的MODIS TVDI，也能对升尺度的估计精度起到积极作用。　　克里格估计的目标是根据观测变量的变异或自相关函数，为每个观测分配最优的权重系数，被认为是一种精确的插值方法，即观测数据不存在观测误差。但是，事实上观测误差是存在的。观测误差主要体现在变异函数的块金值参数中，块金值是影响估计不确定性及权重系数分配的主要因素之一。本研究将观测误差从块金值中分离出来，修正变异函数，使权重系数得到更合理的分配，是克里格框架下另一种有效的升尺度方法。研究结果表明，如果观测数据的误差是相同的，对预测值来说，考虑观测误差是没有意义的，与不引入观测误差是等效的。但是，如果数据的观测误差是不等的，预测精度相比不考虑观测误差有所提高，降低了预测的不确定性，同时观测的权重系数也被重新分配。　　在黑河上游山区，主要关注寒区水文过程以及通过多种观测手段闭合流域水循环，EHWSN的目标之一即提供时空连续的土壤水分产品。由于地形复杂，传感器网络节点分布稀疏，无法使用基于空间自相关信息的Kriging方法进行土壤水分的“真值”估计。因此，采用了贝叶斯框架(Bayesian)下基于时间序列信息的升尺度方法。贝叶斯估计中的先验信息，采用了与土壤水分密切相关的表观热惯量(Apparent Thermal Inertia，ATI)。首先利用EHWSN观测建立土壤水分和ATI的回归关系，将ATI转换为代表性土壤水分;再将每个待估计网格的代表性土壤水分时间序列变化作为先验信息，对观测的权重系数进行贝叶斯估计，最终获取时空连续的土壤水分产品。用阿柔超级站和6个自动气象站点的4 cm土壤水分观测对升尺度结果进行了验证，采用无偏RMSE(ubRMSE)和相关系数r指标评价精度，平均ubRMSE为0.031 cm3/cm3，平均r为0.878。除此之外，利用地统计学的方法，对升尺度土壤水分的变程参数、相关依赖指数和空间自相关指数进行了分析，结果表明，土壤水分对降水事件响应明显，降雨事件的发生增强了土壤水分的空间变异性。