摘要：利用土壤理化性质数据建立转换函数是间接获得土壤水力参数的重要手段之一。基于测定的土壤理化性质和土壤水分常数数据,本文采用回归分析、BP神经网络和基于BP神经网络的Rosetta模型3种方式分别建立了青海三江源地区土壤饱和含水量、毛管持水量和田间持水量的转换函数,并对其预测精度进行了比较。结果表明：（1）回归分析方法总体预测效果比较理想,特别是田间持水量的平均误差（ME）和均方根误差（RMSE）都在3.397%以下,决定系数（R2）高达0.868;（2）BP神经网络方法的预测效果非常理想,各土壤水分常数平均误差和均方根误差都在4.685%以下,并且决定系数均在0.857以上;（3）Rosetta模型的预测效果相对较差,特别是饱和含水量和毛管持水量,平均误差（ME）和均方根误差（RMSE）相对较大,决定系数（R2）相对较小。3种方式中,BP神经网络方法所建立的毛管持水量和饱和含水量转换函数均为最佳,回归方法所建立的田间持水量的转换函数要好于BP神经网络方法和Rosetta模型,Rosetta模型对土壤水分常数的预测效果不如其他两种方式。研究可为青海三江源地区土壤水力特性参数研究以及区域尺度上土壤水分估算提供科学依据。

关键词：土壤水分常数 转换函数 回归分析 bp神经网络 rosseta模型 

单位：中国科学院地理科学与资源研究所 北京100101 中国科学院研究生院 北京100049 北京师范大学地理学与遥感科学学院 北京100875 北京师范大学区域地理研究实验室 北京100875