土壤墒情是农业生产中一项重要的参数。对土壤墒情进行监测,因墒施灌,能避免水资源的浪费,提高作物的产量;对土壤墒情进行预测,能为农田灌溉用水计划的制定和调整提供指导。然而,土壤墒情的变化受气象条件、作物生长状态和土壤水分初始情况等多方面因素的影响,对土壤墒情进行准确预测的难度较大。因此,需要将土壤含水率、空气温湿度、太阳辐射、风速等农田环境参数与天气预报数据相结合,建立土壤墒情预测模型,以期为农田灌溉用水提供指导,实现精准灌溉。本文以山西省芮城县冬小麦试验田为研究对象,根据研究区的地理、气候条件和作物生长要求,构建了农田环境监测系统,完成了研究区土壤水分和气象环境数据的采集。运用遗传算法-支持向量机（GA-SVR）对ECMWF、NCEP、JMA和KMA模式输出的天气变量进行了多模式集成处理,并用其对参考作物腾发量（ET0）进行了预报。在以上研究的基础上,基于水量平衡原理建立了土壤墒情预测模型,通过农田环境监测数据和天气预报数据对作物需水量和有效降雨量等模型参数进行修正和预测,以实现对试验区冬小麦计划湿润层土壤墒情的准确预测。主要研究内容如下:（1）农田环境监测系统构建。农田环境监测系统采用RS485+Lo Ra+4G的通信方式,兼顾了监测系统对功耗、传输距离和抗干扰能力的要求;10层针式土壤水分传感器满足了对冬小麦整个生育期内计划湿润层土壤墒情的监测;农田气象环境监测站满足了作物需水量预测对气象环境参数的需要。通过系统的通信和数据采集测试,验证了该农田环境监测系统能够实现对土壤墒情等农田环境信息的远程、连续、稳定、准确监测,为土壤墒情预测研究提供了数据支持。（2）基于天气预报的ET0预报研究。多模式集成较好地改进了单一模式下的气温、实际水汽压和风速的预报性能,对日最高温度的改进幅度最大,其次为实际水汽压、风速、日最低温度,随预见期的增长其预报性能呈下降趋势。对于太阳辐射,多模式集成对其预报性能的改进不明显,且随预见期的增长无明显的变化趋势。在对各模式和方案的ET0预报性能的比较中,由单一模式和多模式集成方案组成的RC方案为所有模式和方案中预测性能最优的方案。该方案在研究区适用性的验证中具有较好的预报精度,能够满足土壤墒情预测的需要。（3）土壤墒情预测研究。在生育前期和生长发育期内（越冬期、返青期和拔节期）,土壤含水率的预测值与实测值差别较小;在生育中期和生育后期内（抽穗期、灌浆期和成熟期）,模型倾向于对土壤含水率进行过预测。整体上,土壤墒情预测模型在预见期1～7天内的预测精度都较高,随着预见期的增长,在中长预见期下更倾向于过预测。该模型在预见期1～7天内RMSE、MAE、R和RE的平均值分别为0.6991%、0.5665%、0.9302和6.4%,与此前相关的研究相比,进一步提高了土壤墒情的预测精度。