土壤水分是陆地-大气系统间水热和能量交换的重要基础，也是联系地表与地下水循环、陆地间碳循环的关键纽带。同时，土壤水分作为最常用的地表模型参数之一，对于作物估产、土地退化、旱情监测，尤其是干旱、半干旱区气象水文、绿洲农业、生态环境及其可持续发展方面具有非常重要的研究意义。目前，从土壤水分信息获取方法来看，可以大致分为地面观测、模式模拟和遥感空间监测三大类方法，各有其优势性和局限性。因此，如何将各成体系的土壤水分监测方法进行优势互补，利用多源数据和模型模拟实现高效、高精度的土壤水分连续时空变化监测是非常值得研究的课题。　　近年来兴起的数据同化技术，提出了一种将直接或间接获取的多源观测数据集与地球动力模型相集成的方法论，已经迅速发展成国内外的热门前沿及重点研究方向。本文以同化技术作为重要理论基础，以渭-库绿洲为干旱区典型研究靶区，针对单一方法监测土壤含水量的局限性，构建一维数据同化方案模拟绿洲-荒漠交错带外围表层（0-10cm）、根区（10-30cm）、深层(30-50cm)的土壤水分信息。系统以光学Landsat8数据和微波Sentinel-1雷达数据为遥感数据源，观测算子分别是温度植被干旱指数模型（TVDI）和积分方程模型（AIEM），于2015年3月21日-4月30日期间开展同化实验，采用集合卡尔曼算法把光学和微波数据同化到 HYDRUS-1D与观测算子的耦合模型中，估计不同深度土壤层的水分含量，并利用同期实测土壤水分数据与同化结果进行对比验证。　　主要研究内容和成果如下：　　1）在同化技术大的框架下，将复杂的土壤水通量同化问题划分为数据集（大气驱动要素、地表参量、观测集）、观测算子、模型算子和同化算法四个基本要素，使其简单条理化。一方面便于开展大量驱动模型或同化算法的“黑箱”实验，另一方面便于进行系统组合优化、调整模型参数，能够有效改进同化效果。　　2）综合考虑数据特性及研究区特点，以目前主流光学遥感卫星 Landsat-8和最新微波合成孔径雷达Sentinel-1为重要数据源，根据光学、微波影像成像机理存在巨大差异，分别给出了相应的图像处理方法，探求多源遥感观测数据集协同对土壤水分同化方案的影响。结果表明，光学和微波数据协同既可以弥补云雾天气下观测数据的空缺，又能缩短观测数据获取周期，提高同化效果。　　3）针对光学、微波观测数据集特性，分别构建了温度植被干旱指数（Temperature Vegetation Drought Index，TVDI）和高级积分方程模型（Advanced Integral Equation Model，AIEM）作为观测算子，用于基于光学、微波的土壤水分遥感定量提取模型，并进行一定程度上的改进和精度验证。结果表明， TVDI和AEIM模型提取的土壤水分观测数据误差在5％-10%左右可以满足同化要求。　　4）以HYDRUS-1D为系统模型算子，根据研究区驱动数据集，率定系统模型算子参数、模拟土壤水动力特征函数、初始条件与边界条件、周期、步长、迭代次数等相关参数。结果表明，HYDRUS对于刻画变饱和土壤水分运移过程具有一定的适宜性。　　5）基于经典同化算法集合卡尔曼滤波构建同化系统整体框架，将主动微波和光学遥感数据同化到HYDRUS与观测算子的耦合模型中，模拟土壤剖面垂向典型层的水分含量，开展土壤水分数据同化实验及结果精度检验。0-10cm土层和10-30cm土层的RMSE分别由同化前的0.0784减小到0.0411；0.0821减小到0.0445；而深层则与模型模拟效果差别不大，表明同化用于改善表层和根层土壤水分模拟效果比较明显。