黄土高原植被稀少,是我国水土流失最为严重的地区之一。而土壤含水量是植被进行正常生理生长的重要保障,影响着植被的类型和结构。随着GIS技术的不断发展,将GIS与水文模型结合,以地形湿度指数为研究对象,构建地形湿度指数应用模型,有助于估算土壤水分空间分布。地形湿度指数(Topographic Wetness Index, TWI)表达为基于邻域分析的坡度因子p和基于路径分析的单位汇水面积因子SCA (Specific Catchment Area)的复合函数——ln(SCA/tanp),是一种基于DEM对径流路径长度、产流面积等的定量描述,受到流向和坡度算法、尺度效应的影响。本文拟以黄土高原为研究对象,探究地形湿度指数的不确定性问题,以期得到地形湿度指数在算法、尺度及应用等方面的不确定性特征与规律。本文以黄土高原10个典型样区作为实验样区,通过地形湿度指数要素算法不确定性分析,研究地形湿度指数随流向、坡度算法变化的空间特征,尝试得出更适于黄土高原区域地形湿度指数提取的流向算法、坡度算法；通过不同DEM分辨率对地形湿度指数提取的影响,探讨在不同尺度下提取的坡度、单位汇水面积以及地形湿度指数的变化规律,并基于地形湿度指数在不同尺度效应下的变化趋势,结合沟壑密度等地形因子,来构建地形湿度指数误差估算模型回归方程；结合作者在黄土高原清水河流域采集的42个样点土壤含水量实测数据,在对坡向、坡位进行定量化描述基础上,构建适合模拟和预测黄土小流域土壤含水量的回归模型,然后用未参与建模的实测样点数据,分析评价回归模型对研究区土壤水分含量的预测精度。本文的主要研究工作和结论如下：1、确定了适合提取黄土小流域的地形湿度指数要素算法以典型黄土峁梁丘陵沟壑区纸坊沟为例,通过比较分析可知,单流向算法(D8)比较适合模拟简单的地形,多流向算法(Dinf)更加符合实际水流方向,而混合流向算法(Mixed Flow Routing Algorithm—MFRA)能更好的表现坡面细节特征,本流域更加适合采用MFRA算法来进行地形湿度指数的计算。比较五种坡度算法计算地形湿度指数可知,三阶差分算法能较好地表达实际坡度。2、提出了地形湿度指数误差模型地形湿度指数与分辨率存在着明显的线性相关,不同地貌的地形湿度指数与分辨率有一个拟合公式模型,发现沟壑密度与拟合公式系数能进行很好的拟合,从而得到地形湿度指数的误差模型,通过沟壑密度和误差范围,就能很好的确定所需DEM的最佳分辨率,为地形湿度指数的计算带来了方便。3、得到了地形湿度指数应用模型以野外实测土壤含水量为真值,确定了地形湿度指数应用模型的构建因子有坡向、坡位、高程和经纬度,该方程复相关系数为0.82,P值远小于0.05,方程回归效果显著。对地形湿度指数应用模型的分辨率,要素算法进行不确定性分析,发现2m分辨率的DEM是本区域的适宜选择。坡度算法和流向算法在这个独特的“V”字型坡面上,影响并不明显,所以简单的D8流向算法和常用的三阶不带权差分坡度算法已满足需求。基于DEM地形湿度指数的不确定性分析,是对DEM流向算法、坡度算法、和尺度效应问题的深入探究,对地形湿度指数的应用有重要意义。同时,以黄土高原小流域为研究区开展表层土壤水分的地形湿度指数不确定性研究,可直接为黄土高原的精细农业发展与水土保持提供数据基础和理论参考。