地球上的水处于不断地循环之中,水在不同阶段的循环过程便构成了大气水循环。土壤蒸发是大气水循环中十分重要的一个环节,它涉及到土壤水运动(如入渗、壤中流等)、能量平衡、水量平衡等重要过程。因此,对土壤蒸发过程进行研究具有重要意义。对土壤蒸发的研究主要包括土壤蒸发的测量和蒸发的计算两方面。本文主要是研究土壤蒸发的计算问题。土壤蒸发的计算一直以来都是土壤蒸发研究的重点问题,在研究过程中,人们根据不同的研究环境总结出了很多土壤蒸发量计算的经验公式。这些经验公式在研究过程中起到了重要的作用,但它们也存在很多不足,例如:在某些地理环境下,很难找到一种符合其实际情况的经验公式计算土壤蒸发。贝叶斯网络(Bayesian Network, BN)是一种处理不确定性问题的有效工具,它能根据变量之间的因果关系进行学习和推理。动态贝叶斯网络(Dynamic Bayesian Networks,DBN)是能够对时序数据进行处理的贝叶斯网络,它适用于动态系统的学习和推理,是一种具有很大潜力的数据挖掘技术。通过动态贝叶斯网络可以对连续型的变量进行区间形式的计算,计算的精度取决于连续变量的区间划分的大小。本文针对传统的土壤蒸发计算经验公式的不足,基于贝叶斯网络和动态贝叶斯网络的基本原理,对土壤蒸发过程进行研究,提出一种基于动态贝叶斯网络理论的土壤蒸发模型。由于贝叶斯网络在建立模型时,可以根据领域专家知识,将所有的模型影响因素考虑进去,因此,可以根据研究区域的实际情况建立相应的动态贝叶斯网络土壤蒸发模型,继而对土壤蒸发进行区间预测。本文从分析土壤蒸发的影响因素入手,然后对土壤蒸发相关数据进行预处理,根据领域专家知识建立了动态贝叶斯网络土壤蒸发模型,使用Matlab7.1进行编程完成模型的建立以及利用训练数据完成参数学习和推理过程,最后利用测试数据对模型进行检验,并且以实际测量的土壤蒸发强度作为标准,将预测结果与经验公式计算得到的结果以及进行了比较和分析。分析结果表明,动态贝叶斯网络在土壤蒸发计算中具有适用性,本文的研究具有初步成效。