土壤墒情即土壤中的水分含量,制约着土壤中养分和矿物质的溶解以及转移,对作物的生长有着至关重要的作用,只有及时准确的掌握土壤水分盈亏状况才能及时排涝灌溉,保证作物的正常生长。本文对土壤水分快速测量技术以及墒情预报模型展开系统的研究。首先,本文依托于频域反射—FDR型土壤水分传感器,设计了一款含温度补偿的便携式土壤水分测定仪,该测定仪除了传统的测定仪只能测定土壤水分的功能外,其内置的GPS模块可以随时定位测量地点的经纬度信息；选用的CAT24WC256存储芯片,一次最大可存储2400组50个字节的测量数据；内置的GPRS/GSM模块,采用无线传输将测得的数据及时发送到后台数据库和手机用户；仪器还具有多功能选项菜单,含实时监测、存储处理、监测设置、号码设置等设置选项。该款测定仪更加贴切和符合农业生产的实际需求,已经在初步推广应用。其次,通过室内比较试验,系统全面的研究了土壤质地与温度对FDR型土壤水分传感器测量精度的影响,得出.FDR型土壤水分传感器在不同土壤质地上测试具有较大差异性,且具有明显的温度效应：初步得出三种土壤质地的校正函数以及温度补偿函数式,该种校正方法简单易懂,实际操作性强,它的引入大大提高了仪器的测量精度以及适用范围。最后,以易旱地区江淮分水岭的肥东县作为研究区域,通过大量的土壤水分实测数据以及小型气象站的气象监测数据,建立基于BP神经网络的土壤水分预报模型。将土壤水分、气温、湿度、辐射量、降雨量作为模型的输入和输出,分别建立两种预报模型,预报隔日和五日后的土壤水分,探讨BP神经网络在短期土壤水分预测中的应用。实验结果表明,隔日预报精度要高于五日后预报精度,主要原因就是土壤墒情的时效性强且受人为和降雨因素的影响较大,所以在没有灌溉和降雨的干旱季节用此方法预测会获得更好的效果,因此要想获得高精度的预测结果,大量连续准确的数据是必不可少的。总体上看BP神经网络在短期土壤水分预报中取得了较高的预报精度,说明了该方法在土壤墒情预报应用中的可行性,可以为农业生产指导提供决策依据。