开展水资源空间优化配置研究对合理有效利用水资源，促进人口、资源、环境与经济的协调发展，加速工程水利向资源水利的转变，深化和拓展大系统多目标优化的理论与方法都有着非常重要的作用。但是，由于水资源空间优化配置涉及到大量的数据、多目标多约束的模型、大范围大系统的优化求解、多种可选择的配置方案等复杂问题，如何在空间上最优化配置水资源以产生最大综合效益成为亟待解决的问题。本研究探讨了利用蚁群算法（ACA）与RS、GIS的耦合方法来解决水资源空间优化配置问题。本论文以河南省镇平县为研究区，在水资源需求类型提取、需水现状评估和需水预测的基础上，分析了水资源空间优化配置模型，借助ACA在GIS平台上对水资源优化模型进行求解，提出了基于像元微单元的水资源空间优化配置方案，并通过实例仿真和与其他智能优化算法的比较，验证了ACA与RS、GIS的耦合方法对解决水资源优化配置问题的可行性和有效性。研究的主要结论如下：（1）通过局部信息素和全局信息素自适应动态更新和权值低通滤波器构建，对Pareto蚁群算法（PACA）进行了改进。改进后的PACA能以多目标函数值作为适应度来调整蚂蚁觅食像元上的信息素，使蚂蚁朝着信息素强的优化边界方向移动，依据最大适应度值，确定水资源优化配置的多目标优化解。与其它智能优化算法的比较和评估结果显示，改进后PACA的最优性能指标、时间性能指标和鲁棒性能指标评价分别为0.398、21.6和5.38，明显优于基本蚁群算法的三个性能指标值（2.108、36.8和8.16）；改进后PACA的解的个数、间距和最大散布范围分别为389、0.68和183.58，优于遗传算法和BP神经网络所得结果，表明PACA能找到最优解或近似最优解，平衡了加速收敛和早熟、停滞现象之间的矛盾，提高了全局搜索能力和收敛速度；比较不同水平年（2010、2020和2030年）、不同保证率（50%、75%和95%）、不同水源（地表水、地下水和外调水）的原始水量和优化水量，进一步说明优化结果合理可行，PACA具有较高的寻优性能。（2）ACA与RS、GIS的耦合能够较为准确地确定水资源需求类型和需水现状，从而为水资源优化配置、优化调度、管理与规划等提供数据支撑和决策参考。在遥感影像上，利用蚁群聚类算法（ACCA）能较为准确地提取水资源需求类型；再借助NDVI、NDII、NDBI和MNDWI等RS技术和实地调查，能更准确地确定水资源需求类型；在此基础上借助GIS技术评估水资源需求现状。ACCA的总F-measure最大，为0.918，高于最大似然法和最小距离法的F-measure值（0.884和0.851），说明基于ACCA的水资源需求分类结果的查准率和查全率最大，分类精度高，抗噪声干扰能力强。（3）ACA与PP需水预测模型的耦合能够较为准确地获得具有高维非线性的预测模型的最优参数组合，从而提高了预测水量的拟合精度和预测精度，为水资源优化配置与调度提供了较为准确的参考依据。投影寻踪（PP）需水预测模型适合于系统机理不够清晰或水文地质资料缺乏的地区。通过对连续域蚁群算法进行设计和改进，使其能更好地收敛于全局最优解，并具有较强的抗噪声能力，避免早熟收敛现象，为解决PP需水预测模型的参数优化问题开辟了新的途径。案例仿真表明，基于ACA的PP需水预测模型的拟合精度非常高，相对误差绝对值都小于2%，大多在1%以下，明显优于人工免疫算法(10%)和BP神经网络(12%)。该方法可以推广到其它高维非线性问题的求解。（4）以生态经济学理论和可持续发展理论为基础的水资源空间优化配置模型将社会、经济和生态环境综合效益最大作为目标函数，将水质、水量、水环境等作为约束条件，体现了模型具有多目标、多约束、多层次、多用户的特点，实现了基于像元微单元的水质与水量的耦合以及经济、社会与生态效益的耦合。（5）ACA与RS、GIS的耦合能够求解复杂的水资源优化配置模型，实现了重构方案和配置结果的可视化表达和有效性验证。通过对模型的求解，获得了不同的基于像元微单元的需水量、可用地表水、可用地下水、可用外调水的配置方案，以及不同的经济效益、社会效益、生态效益和综合效益方案。通过不同水平年的水量平衡分析，表明了PACA与RS、GIS的耦合方法能有效地求解大范围、多目标水资源优化配置模型，从而为分水用水政策的制定提供决策参考。ACA与RS、GIS的耦合拓展和深化了水资源优化配置和最优化的理论与方法以及RS和GIS的应用领域，为解决类似的复杂多目标多约束问题提供了一种新途径。