旱灾是农业生产面临的最主要的自然灾害之一,特别是在西北干旱半干旱地区。通过对土壤水分进行建模预测和土壤水分的时空分布特征分析,探索科学合理的土壤水分预测方法,提高土壤水分预测的精度,有利于在农业生产管理中充分利用各种资源以提高农产品的产量和品质,对农业防灾、减灾、受灾评估等提供一定的科学依据。以陕西省宝鸡市主要冬小麦种植区为研究区域,基于土壤水分定点实测采样数据、气象数据和土壤容重、潜水埋深、耕层厚度、土壤沙砾占比等多源数据,建立宝鸡市冬小麦种植区土壤水分数据库和预测因子数据库;将机器学习算法(Machine Learning Algorithms)中的随机森林算法(Random Forest Algorithms)、最小二乘支持向量机算法(Least Squares Support Vector Machine Algorithms)和径向基神经网络算法(Radial Basis Neural Network Algorithms)与土壤水分预测因子相结合,建立相应的土壤水分预测模型,对研究区土壤水分进行模拟预测并对不同预测模型进行精度验证评价,根据最优预测模型的预测结果,对研究区的土壤水分进行时空分布特征和冬小麦旱情分析;最后对土壤水分预测因子的重要性进行定量分析和重要性排序,分析各个预测因子对土壤水分及其变化的影响。研究结果以期为土壤水分预测模拟、农作物生产管理和干旱预防等提供较为科学的技术支持,成果如下:(1)将机器学习算法应用到土壤水分预测中,探索机器学习预测模型在土壤水分研究中的适用性,为土壤水分空间预测研究提供新的探索方案;结果表明三种土壤水分预测模型的预测精度都达到了88%以上,证明了机器学习算法在土壤水分建模预测中的良好应用能力。三种模型中径向基神经网络预测模型对研究区土壤水分的预测精度高于最小二乘法支持向量机预测模型和随机森林预测模型,最符合宝鸡市冬小麦种植区土壤水分的实际情况;在三种土壤水分预测模型中,径向基神经网络预测模型和最小二乘法支持向量机预测模型对0~20cm土层的预测效果比20~40cm土层好,而随机森林预测模型则是在20~40cm土层的预测效果略好于0~20cm土层。(2)宝鸡市冬小麦种植区2014年至2018年的3~5月份的土壤水分时空分布的主要特征为,土壤水分年际变化小,月间差异大。从年尺度时间序列看,土壤水分五年来的变化幅度不大,其中,以2015年和2017年土壤水分整体含量略高,以2016和2018年土壤水分整体含量略低;20~40cm土层的土壤相对含水量整体上略高于0~20cm土层,而0~20cm土层土壤水分随时间变化的幅度要小于20~40cm土层。从月尺度时间序列看,土壤水分在3至5月份的变化幅度较大,其中3、4月份土壤相对含水量较5月份低;20~40cm土层土壤水分随时间变化的幅度大体上要小于0~20cm土层,且20~40cm土层土壤水分含量整体上略高于0~20cm土层。从空间分布来看,3月份土壤水分年际变化小,土壤水分高值主要集中分布在研究区西北角的关山中低山区和研究区南部的秦岭中低山区、秦岭北麓黄土低山丘陵区等地,低值主要分布在沿千河、渭河流域由西北向东南一线的渭北黄土台塬区、渭河河谷阶地区、渭南黄土残塬区和渭南、渭北洪积扇区;4月份土壤水分年际变化较大,2014年和2015年土壤水分空间分布特征相似,高值主要分布在麟游县境内的千山地区、千河流域,低值主要分布在西南方向的秦岭北麓地区,2016年至2018年的土壤水分空间分布相似,高值主要集中分布在秦岭北麓地区和关山中低山区;5月份土壤水分年际变化小,高值主要分布在西南方向的秦岭北麓山地丘陵地区、东北方向的千山山地和西北方向的关山山地地区。(3)2014年至2018年的3~5月份,宝鸡市冬小麦种植区的冬小麦旱情发生范围较广,持续时间较长,但冬小麦干旱程度总体较轻,总体为轻度干旱水平,且冬小麦干旱年际差异较小,月间差异较大。从年尺度来看,2015年和2017年旱情较轻,其余年份旱情相对而言稍重。从月尺度来看,三个月份都有不同程度和范围的旱情发生,3、4月旱情范围较大、程度较轻,5月份范围较小但程度较重,旱情整体月间差异不大。从空间分布上来看,冬小麦干旱在陇县境内的千河河谷阶地区以及凤翔县、岐山县、扶风县境内的渭河河谷阶地区和渭北黄土台塬地区发生频率高且程度较重。(4)在2014年至2018年的3~5月份的宝鸡市冬小麦种植区,相比于地形要素、土壤属性要素和地理位置要素,气象要素对土壤水分的影响更大,尤以气象要素中的降水、气温和日照等因子影响最大;且随着时间变化,海拔、风速和降水等预测因子对0~20cm土层土壤水分的影响逐月减小,而地形湿度指数因子对其的影响逐月增大;在20~40cm土层,随着时间变化,纬度和降水对土壤水分的影响逐月减小,而海拔、水汽压、相对湿度和最大风速等影响因子对其影响逐月增大。总的来说,各个预测因子对土壤水分的影响不仅会随着土层深度改变而不同,还会随着时间变化而不同,因此,因时因地地选取土壤水分预测因子,对土壤水分预测的准确度显得尤为重要。