许多新兴的传感器网络应用都部署在偏远的、人类无法靠近的恶劣环境中。在这类场景下,一方面很难长期近距离地部署大功率的基站;另一方面传感器节点包括sink节点在内会因自身的资源约束和外在环境的影响而发生故障。当传感器节点失效时,会造成其存储数据的丢失,进而严重影响到数据的可用性。因此,如何设计有效的存储策略以提高感知数据的可靠性成为当下的一个研究热点。本文首先对节点自身资源耗尽引起的数据存储问题进行研究,针对目前无冗余数据存储策略中存在的忽略节点存储、能量约束和数据检索成本的问题,提出了两种改进的无冗余数据存储算法以解决带有优先级的数据重分配和检索问题(DRRP):一种是基于最小费用流的集中式数据存储算法DPE22,另一种是基于节点协作通信的分布式数据存储算法22PD。这两种算法均在节点能量、存储容量受限的条件下最小化了数据重分配和检索的总能耗。对于外在环境而引起的不可预知的节点失效问题,简单的无冗余存储策略已无法保证数据的可靠性,为此可以引入编码机制以实现数据的冗余容错存储。为了解决基于编码的数据冗余存储方案中存在的遍历速度慢、译码效率低的问题,本文又提出了另外一种在恶劣环境下适用性更强的基于最小生成树的半随机化网络编码数据冗余存储算法QRNCDS。QRNCDS采用最小生成树遍历机制将k个源数据包分散存储到网络的所有节点上,而每一个节点则根据半随机矩阵的理论对接收到的源数据包进行编码,最终只存储一个编码数据包。通过理论分析和实验仿真,我们证明了所提的三种存储算法不仅能够减少通信的能耗,还能提高数据的存活率、延长数据的保存时间。