干旱是最为严重的自然灾害之一，给国民经济带来了巨大损失。土壤水分是反应干旱的重要指标之一，土壤水分的监测预报对干旱研究非常重要。本文分为干旱监测与预报两大部分。　　第一，地表干旱监测部分。以淮河流域为研究区，基于AMSR-E被动微波遥感数据和实测土壤相对湿度数据，构建了基于点和面的BP神经网络模型反演土壤水分，并与AMSR-E土壤水分产品（包括NASA和LPRM两种产品）进行比较，相关研究结论如下:　　基于点的神经网络模型在研究区模拟的土壤水分与AMSR-E土壤水分产品相比优势明显，与实测土壤水分相关性较好、均方根误差和平均绝对误差是所有土壤水分产品中最小的。基于面的神经网络模型对流域尺度的土壤水分空间分布趋势的反演具有明显优势，但对分辨率为25km栅格单元格模拟的土壤水分值与实测值差别很大。将两种模型结合起来反演土壤水分能更好地了解土壤水分的时间变化趋势和空间分布格局，从而有效地监测干旱的发生及其空间分布。　　第二，干旱预报部分。基于TIGGE资料应用彭曼公式计算蒸发量，并验证该蒸发量;基于TIGGE资料的欧洲中期天气预报中心(ECMWF)、美国国家环境预报中心(NCEP)和英国气象局(UKMO)和中国气象局(CMA)四个中心全球集合预报模式，对地面要素的24h降水累积降水量进行24h-240h预报时效的超级集合预报方法的研究（包括多模式和单模式）;再将TIGGE预报数据集驱动XXT水文模型模拟土壤水分亏缺深和径流。最后为了统一两部分干旱等级评估的指标，本文探索了两种干旱等级的指标统一方法。　　研究结果表明用彭曼公式计算的蒸发量与24h累积降雨量预报数据驱动XXT分布式（降雨-径流）水文模型模拟土壤水分亏缺深和径流是合理可行的。　　对24h累积降雨量的预报，四个集合预报模式的预报结果差异很大，相同模式的不同成员之间亦很不相同。CMA离散度最大，预报时差和预报值的偏差也很大;NCEP和UKMO集合预报系统对降雨量为0或接近于0值的预报具有很大优势;ECMWF和NCEP对24h-144h时效的24h累积降雨量预报效果较其他集合预报系统的均方根误差更好。　　此外，各单模式集合预报中，比较集合预报降雨量值，CMA表现最差，ECMWF和UKMO在各个阶段都较CMA和NCEP有更高的相关系数。从整体看，单模式集成预报结果可以综合模式中各成员的预报优势，取得更好预报效果。　　多模式超级集合预报24h累积降雨量值较单模式集合预报更准确，离散度更低，尤其对降雨量为0或接近于0值的预报更准确。但并不是所有组合的超级集合预报效果都比单模式效果更好，当参与的单模式预报系统预报效果较差时，可能会大大地降低超级集合预报的精度。平均而言多模式24h超级集合预报累积降雨较大多数单模式更有优势。　　TIGGE集合预报的驱动数据集的准确度直接影响到XXT模型的输出结果。ENU超级集合预报驱动数据驱动XXT分布式水文模型模拟的土壤水分亏缺深和径流值与实测数据驱动该模型的模拟值较其他集合预报系统相关性更高，其相关性系数达到0.89和0.93。经过回归分析，可见在众多的超级集合预报系统中，ENU预测数据集驱动XXT模型的土壤水分亏缺模拟效果最好。　　最后采用回归分析建立两种干旱指标的关系，其确定性系数仅为0.60，相关性系数为0.77。该方法仅能从一定程度上统一评定干旱等级，统一干旱指标仍然需要进一步研究。