水文模型参数对模型的模拟精度至关重要。在气候变化和人类活动的影响下,水文模型参数可能随时间改变,导致常参数模型的模拟性能降低。因此,开展水文模型参数的时变特征研究,可有效解决常参数模型在变化环境下模拟能力较差的问题,为变化环境下的水文响应研究提供技术支撑。近年来,数据同化技术因其具有能根据变化环境自动调整水文模型参数的优势,已被应用于水文模型时变参数的识别。本文对国内外研究结果进行综述,基于多源数据同化技术,开展了水文模型的时变参数识别、与气候因子相关的参数函数型式构建研究。论文的主要工作和结论如下:（1）提出了基于径流和蒸散发联合同化技术的水文模型时变参数识别方法。以两参数月水量平衡模型为例,采用集合卡尔曼滤波算法对模型参数（C和SC）进行识别。首先,根据不同的观测数据和参数更新步骤设计了四种同化方案:径流单独同化方案和三种径流和蒸散发联合同化方案。然后,采用假拟实验来检验四种方案的参数估计准确性。最后,将提出的时变参数识别方法应用于美国MOPEX数据集中的173个流域。结果表明:提出的时变参数识别方法能准确地识别出水文模型参数的变化,最佳方案中参数C和SC的绝对平均值误差分别在0.08和0.02以内;与径流单独同化方案相比,联合同化方案能显著提高径流和蒸散发的模拟精度,纳什效率系数最大可分别提高0.1和0.7,且能得到相关性更弱的参数序列;三种联合同化方案中,参数同时更新方案的径流不确定性模拟可靠性指标最高（0.94）,参数C和SC的识别性能最优,为最佳方案。（2）开展了变化环境下水文模型时变参数的函数式构建及径流模拟研究。首先,对173个研究流域的气候因子和时变参数进行相关性分析,选取了时变参数的影响因子。然后,根据参数物理特性及相关性分析结果,构建了参数与降水、潜在蒸散发和气温相关的函数式,从而设置了四种参数变化情景:常参数、仅参数C时变、仅参数SC时变和双参数时变。实例研究发现,时变参数模型对径流的模拟精度均高于常参数模型,且能提高洪峰的模拟效果,其中双参数时变模型的模拟效果整体最优,纳什效率系数最大可提高0.58。最后,在3个典型流域中选取干旱年和湿润年,进行降水变化下的径流模拟研究。结果表明:常参数模型在干旱年至湿润年的径流变化量相对误差均值为-29.4%,较大地低估了气候变化引起的径流变化量;双参数时变模型的径流变化量相对误差均值可减小到7.5%。