在我国水利信息化的过程中，存在着水利信息化缺乏统一标准，信息表达各异，信息共享不充分，信息系统之间的交流融合性差等问题。这些问题严重制约阻碍了我国水利信息化建设。然而，水环境本体是一个包含水环境术语、定义以及术语间规范关系说明的体系，是水环境学科领域内概念、概念与概念间的相互关系的形式化表达，能够提高水利信息化进程中数据发现、数据同化、资源共享和数据应用的效率。针对水环境本体构建问题，本文运用了语言学、统计学、向量空间模型及聚类算法等原理，使用了一种基于种子概念及改进的凝聚层次聚类算法的水环境本体构建方法。　　提取全面完整的领域概念是水环境本体构建的基础。针对如何从大规模语料集中提取水环境领域概念的问题，在数据源预处理阶段引入了水环境领域词典，提高了文本分词精度。同时，考虑到概念提取的完整性及正确率，提出了将种子概念法及 TF·IDF法相结合的概念提取方法。先利用种子概念法从候选术语集中提取概念，之后利用TF·IDF法从剩余的候选术语集中提取概念。最后，实验一共从300篇水环境领域文本集中提取了581个概念，包含447个正确的水环境概念，证明了种子概念法比TF·IDF法具有更高的正确率，但是TF·IDF法作为种子概念法的补充能够帮助提取更多的水环境领域概念。　　提取准确可靠的概念关系是水环境本体构建的关键。为方便计算概念相似度，利用概念的TF·IDF值建立了表达概念与文本之间关系的向量空间模型，并利用改进的凝聚层次聚类算法提取概念间的上下位关系。该算法先利用 K-means聚类算法将包含N个概念的概念集聚成K个簇，再利用凝聚层次聚类算法对K个簇内的各个概念进行聚类。在凝聚层次聚类的过程中引入了K-means聚类算法产生的K个聚类中心，通过比较凝聚层次聚类过程中产生的新类中的各个类与聚类中心的距离大小来判断类与类之间的上下位关系。最后，从447个水环境领域概念中提取了443对概念间的上下位关系，并依此建立了一个初级的水环境本体，并在 protégé平台展示，验证了该方法的有效性。