Data-assimilatie binnen de hydrologie verwijst naar het schatten van toestandsvariabelen in hydrologische modellen. De hydrologische modellen die gebruikt worden in dit proefschrift zijn enerzijds een eenvoudig conceptueel model (neerslagafvoermodel) en anderzijds een ruimtelijk verdeeld fysisch model (land surface-atmosphere transfer scheme). Hydrologische systemen zijn sterk niet-lineair en hebben een complexe dynamiek. Dit noodzaakt het gebruik van niet-lineaire/niet-Gaussiaanse schattingstechnieken voor toestandsvariabelen en/of parameters in hydrologische modellen. Een belangrijke techniek die de laatste tijd veel wordt toegepast zijn Sequentiële Monte Carlo methodes, ook wel particle filters genoemd. Dit proefschrift introduceert twee verschillende assimilatiemethodes die gebaseerd zijn op de Kalman en particle filter theorie: de ensemble Gaussiaanse particle filter en de standaard particle filter met parameter resampling. Een eerste hydrologische variabele die wordt geassimileerd is het debiet dat wordt gemeten aan het uitstroompunt van de Zwalm, in Oost-Vlaanderen. Een tweede hydrologische variabele die wordt bestudeerd is het bodemvochtgehalte voor een studiegebied in Luxemburg. Deze variabelen worden geassimileerd in afzonderlijke experimenten over een verschillend studiegebied. De resultaten tonen een verbetering aan in de modelsimulaties van het debiet, wanneer de voorgestelde methodes worden toegepast voor specifieke hydrologische data-assimilatie probleemstellingen.