本文基于江西兴国县塘背河流域、潋水河流域的多年逐日降雨、径流、次降雨洪水要素资料,通过各因子与径流量相关分析来选定最后模型的输入参数,建立BP人工神经网络模型实现对流域的降雨径流预报预测。对潋水河流域的土壤侵蚀定量研究基于RUSLE模型法、流域卡口站观测、遥感图像的目视解译法。通过分析得到以下结论:1)塘背河逐日降雨产流模型,模型对1983、1987年塘背河年径流总量预测结果与实测值间的相对误差分别为30.9%、7.6%。2)塘背河次降雨产流模型,模型的Nash效率系数为0.94,对1 987年30场次降雨塘背河总流量预测结果与实测值相对误差为6.4%。3)潋水河逐日降雨产流模型,2000、2008年东村站年径流总量模型预测结果与实测值相对误差分别为-3.6%和4.6%。4)在RUSLE模型法支持下,1:5万和1:1 0万2种比例尺DEM对监测结果影响很大,其差异主要体现在土壤侵蚀强度为轻度和微度的级别上。5)人机交互目视解译法监测到的土壤侵蚀量最大,约是流域卡口站观测结果的6.2倍,约是模型法监测结果的1.9倍,差别很大,其原因是流域空间尺度效应下土壤侵蚀量与土壤流失量的差异,目视解译监测的属于土壤侵蚀,而流域卡口站观测的输沙量应为土壤流失量。