陕西省是我国葡萄生产的优生区,近年来,陕西省葡萄种植业蓬勃发展,然而随着葡萄种植面积的不断扩大,葡萄产业受自然灾害的影响也随之加剧,很长时间以来,管理人员大多只重视旱灾发生后的补救措施,在旱灾发生前对旱灾发生的风险进行评估有着重要的实际意义。土壤湿度是农业干旱最主要的监测指标,客观、及时的土壤湿度信息是了解葡萄园区干旱的程度和分布状况、采取应对措施的重要前提条件,有利于增加葡萄的产量,而如何选择合适的模型对土壤湿度进行预测成为了干旱监测与预警技术需要解决的问题。此外,我国水资源短缺,灌溉用水量大,并且全凭农民经验,同时管理水平落后。针对这些问题,本文通过对土壤湿度建立三种不同的回归模型,以拟合效果、变量解释性等指标评价回归模型的优劣,构建出土壤湿度与其他因素的回归模型,设计实现了一套干旱监测与预警系统,为作物种植提供灌溉决策。本文的主要研究内容如下:（1）基于逐步回归的土壤湿度建模土壤湿度是评价干旱情况的重要指标,受多种环境因素影响。逐步回归分析研究的是多个变量之间的依赖关系,用于建立最优或合适的回归模型。通过逐步回归对土壤湿度进行建模,并分析拟合效果,R-square确定系数高达0.91。（2）基于偏最小二乘回归的土壤湿度建模由于逐步回归分析会产生多重共线性以及变量系数无法解释等问题,因此采用偏最小二乘法。偏最小二乘回归主要研究多因变量对多自变量的回归建模,通过偏最小二乘法对土壤湿度建模,R-square确定系数为0.8959,拟合效果稍逊于逐步回归,解决了多重共线性问题,但变量系数符号的问题仍然没有解决,于是采用了第三种回归模型。（3）基于岭回归的土壤湿度建模及三种回归方法比较以上工作尚未解决变量符号系数有误的情况,岭回归可以解决模型参数不稳定,导致参数估计量的符号与变量含义相违背的问题,通过岭回归对土壤湿度建模,R-square确定系数同样达到0.91,将三种回归方法进行对比,发现偏最小二乘回归解决了多重共线性问题,逐步回归与岭回归的拟合效果最好,同时岭回归还解决了变量符号的问题,综合考虑,岭回归模型的可靠性最好。（4）干旱监测与预警系统设计与开发本研究设计开发了一套干旱监测与预警系统,通过Zig Bee网络将土壤墒情与气象传感器采集到的数据传输至PC端软件系统,编程将各类数据与曲线可视化显示,支持历史数据与曲线查询,数据导出,能够对葡萄园区内的干旱情况进行预警,同时根据回归模型得到的灌溉量计算公式,可以为灌溉提供决策。