流域水文数据同化是集成流域水文模型和观测的方法论，是在水文模型的动力框架内，利用数据同化算法来融合多种来源的观测数据来改进水文模型的变量估计精度。随着对地观测技术的蓬勃发展，水文数据同化方法已是陆面水文过程模拟研究中的热点和前沿，而且水文模型和数据同化等方法在流域科学研究中得到了长足的发展，流域数据同化系统也成为地球科学研究中的重要工具，已经成功应用于流域的水资源管理。　　SWAT(Soil and Water Assessment Tool)模型在流域研究中的应用非常广泛，但模型结构影响数据融合。另一方面，为了便于数据同化的应用研究，融合多种数据同化方法对于同化系统的应用来说也十分重要。随着遥感技术的发展，建立能够融合多源遥感数据的水文数据同化系统对于提高对流域水文过程的认识是有必要的。目前水文数据同化研究中仍然缺乏基于分布式水文模型与多源遥感数据的水文数据同化系统。　　基于以上分析，基于SWAT模型的水文数据同化研究尚有许多问题等待解决，而这些问题的解决对于流域水文数据同化的的研究不管是在的理论方法创新上还是应用实践方面都具有重要的意义。本论文将从四个方面进行阐述:1)基于网格化并行化SWAT模型的流域水文数据同化系统的集成研究:分别展开了网格化与并行化SWAT(SWATGP)模型的开发及其与数据同化框架(PDAF)的整合研究;2)利用SWATGP模型开展八宝河流域和莺落峡流域的水文模拟研究;3)利用流域水文数据同化系统进行多源数据同化的研究:分别和联合同化了表层土壤水分，雪水当量和径流观测数据;4)莺落峡流域的遥感蒸散发数据同化的研究及应用:开发了一个利用同化遥感蒸散发数据来提高流域径流估计的方法，并将其应用于莺落峡流域。研究内容如下:　　1.基于网格化并行化SWAT模型的流域水文数据同化系统的集成研究:首先，基于分布式水文模型SWAT开发了网格化并行化SWAT模型(SWATGP)，并利用其进行了八宝河流域和莺落峡流域水文模拟实验进行验证。网格化方法包括模型网格化和数据网格化。SWATGP水文模型整合了基于水文响应单元(HRU)的网格化和并行化特征;网格化特征使其具有耦合其他网格模型——如WRF(Weather Research&Forecasting)和网格数据——如卫星雷达降雨数据的能力。SWATGP子流域尺度内的的每个网格单元享有各自的驱动数据，增强了分布式水文过程的模拟能力。SWATGP整合了并行化算法(OpenMP)用以提高其在大尺度高分辨率水文模拟应用中的效率。在并行化效率验证实验中，SWATGP在不同分辨率下的并行效率不同，在250m分辨率下提升了近9倍的效率，在500m分辨率下提升了近5倍的效率。然后将并行同化框架PDAF与SWATGP整合，完成SWAT-HDAS框架的集成。PDAF包含了多个Kalman滤波同化算法。　　2.八宝河流域和莺落峡流域的水文模拟研究:为了验证改进后的SWAT模型的水文模拟能力及其改进效果，进行了网格化SWAT模型(SWATG)与SWAT模型的对比研究，研究区域分别选择了八宝河流域和莺落峡流域。在八宝河流域的水文模拟实验中，分别利用了气象站点驱动数据和网格化WRF数据来驱动模型进行水文模拟，结果表明在相同的驱动数据条件下，网格化后的SWAT模型的水文模拟能力与SWAT模型相似，但由于流域的划分方式不同(SWAT模型基于HRU划分，SWATG模型基于网格单元)，水文模拟单元的面积和数量也不同，进而影响了流域的水量平衡的模拟过程。在不同的驱动条件下，利用网格化WRF驱动数据的SWATG模型的水量模拟效果较好(|PBIAS|＜10)，说明网格驱动数据相对于站点数据精度较高。为了验证SWATGP模型的并行化效率，进行了模型效率的比较研究，分别利用500m和250rn分辨率的SWATGP模型在80核的高端服务器上进行八宝河流域的水文模拟。结果表明利用随着CPU核数的增加，模型效率增加，高分辨SWATGP的效率提升更高。　　3.利用SWAT-HDAS进行八宝河流域多源数据同化的研究:为了验证SWAT-HDAS系统的性能，设计了观测系统模拟实验(OSSEs)，包括土壤水同化实验、雪水当量同化实验、径流同化实验和多变量联合同化实验来分析和讨论不同水文变量对水文数据同化的影响。实验区选择了黑河上游八宝河流域。在土壤水和雪水当量同化实验中，加入同化后的系统水文模拟能力在时间和空间格局上都有所提升;径流同化实验表明观测数据的位置和数量对同化效率的影响是不同的，数量越多，离目标越近的观测对同化效率的影响越大;多变量联合同化实验表明不同观测数据的时空异质性在物理传递过程中会进一步影响同化效率的时空特征。并非观测数据越多，同化效果越好，观测数据的空间分布对同化效率有一定的影响。根据环境和数据特点，需要同化合适的观测数据(包括位置、数量和误差量级)来获取需要的流域状态或者通量的准确估计。　　4.蒸散发数据同化及径流数据同化在莺落峡的应用研究:本研究利用蒸散发数据与降水和径流的关系来同化蒸散发观测数据，进而更新模型径流估计。因为径流估计误差与蒸散发估计误差都受降雨误差的影响，又根据已有文献的基础上，进一步假设蒸散发与径流的误差关系是线性相关的。首先进行了莺落峡流域的蒸散发数据同化的成实验来验证同化算法的可行性，然后进行了真实数据同化实验。遥感蒸散发数据是通过融合多种遥感数据而生成，具有误差小的特点。结果表明蒸散发数据同化可以有效地降低径流估计误差。本研究利用了莺落峡流域的观测径流(扎马什克和祁连水文站数据)开展径流数据同化实验，分别进行了合成实验与真实实验研究，结果表明流域内部径流观测数据可以有效地降低流域出口径流估计误差，但对丰水期的径流估计较差。站点观测数据的径流量和空间位置对同化效果影响较大。　　本研究基于网格化并行化SWAT模型开发的水文数据同化系统SWAT-HDAS可以通过整合多源观测数据包括遥感数据，如MODIS LAI、积雪面积比例数据、雪水当量数据、土壤水，和地面观测的数据，如流域径流和地面传感器网络数据，来深入了解流域的水文过程。总之，SWAT-HDAS是一个应用前景广泛的工具，可以帮助进行流域水资源的研究、开发和利用、以及洪水和干旱预报。