无线传感器网络（Wireless Sensor Networks，WSNs）被认为是21世纪最有影响力和最有发展前景的21项技术以及未来改变世界的10大技术之一，它以其体积小、自组织、简单方便的特点被广泛运用于军事、卫生医疗、环境监测以及日常生活当中。渐变事件的跟踪问题是进行无线传感器网络研究的一项重要课题，主要运用于像火灾蔓延、洪水流动以及有毒化学物品泄漏等事件的区域跟踪方面。但是由于无线传感器网络节点能量以及计算能力有限，当进行较长时间网络运行时，就会导致渐变事件的跟踪精度降低甚至丢失，严重制约着无线传感器网络在渐变事件跟踪方向的研究进展，因此本文从降低传感器节点能量消耗和提高跟踪精度出发，在国内外研究的基础上对渐变事件边界识别以及跟踪进行了一下的创新工作：首先，本文提出一种基于几何计算的事件边界节点选择方法（An Event BoundaryNodes Selection Algorithm Based On Geometric Calculations，NSBGC）。首先，根据网络部署初始化得到传感器节点的位置坐标，通过传感器节点间的通信建立邻居节点关系表（n_table），对邻居传感器节点信息进行统计；其次，从邻居节点中找出可以构成三角形的传感器节点，依据海伦公式计算其组成三角形面积以及其中两个传感器节点与待检测节点组成的三角形面积和，比较两者大小并结合传感器节点感知事件的情况确定该待测节点是否是事件边界传感器节点。基于NS2的仿真实验表明，该方法降低了进行边界节点选择时的计算复杂度，减少了节点的能量消耗并增加了边界识别的精度。然后，提出一种基于节点校验的渐变事件边界跟踪方法（An Gradient EventBoundary Tracking Method Based On The Node Calibration，EBTMNC）。首先，结合上述的边界节点识别方法对传感器节点进行状态划分，使活动节点休眠，减少能量的浪费；其次，建立基于预测的节点睡眠与唤醒机制，对下一时刻的事件位置进行预测；最后，结合边界节点识别与节点预测方法给出当前时刻预测区域边界传感器节点的精度，并对其进行反馈，实时的调整预测参数，使得预测精度保持在一个较高的位置。基于NS2的仿真实验表明，该方法从整体上减少了节点能量的消耗，并提高了传感器节点跟踪预测实时性、有效性以及精度，较以往方法有很大的改善。