土壤水分转换与时空变异性的研究，对降水入渗、河流补给、水利工程、地表水地下水的运移等土壤水分运动规律的研究和应用具有重要意义。土壤水运移模型的研究是研究土壤水分运移规律的重要基础，精确的模型及其参数的确定成了土壤水分转换与时空变异性研究中的关键。本文利用美国DYNAMAX公司产DYNAGAGE包裹式茎流测量系统测量植株液流速率，并利用澳大利亚产MOMTOR自动气象站和TRIME-FM土壤含水量测量系统同步观测树木周围的气象因子和土壤温度、水分状况，同时利用德国Trime-T3管式TDR土壤水分速测系统对烟台一果园60个观测点的0-100cm和0-200cm土层的水盐参数进行了连续动态的原位监测。主要结论如下： ⑴根据垂直方向上土壤水分的标准差和变异系数，可将果园内株间和行间垂直方向上的土壤水分划分为活跃层、次活跃层、相对稳定层三层；果园内土壤水分在垂直变化上是不同的，株间和行间存在差异，在大部分时间段内，株间土壤含水量要低于行间土壤含水量，尤其是表层土壤水分（0-40cm）；利用Biswas模型建立果树株间与行间表层土壤水分与深层土壤水分的关系，0-40cm土层是本地区利用表土壤水分，进行深层土壤水分（0-150cm土层）预测的最佳土层，其显著水平较高，显著性检验R2值分别为0．9364和0．9301，预测模型分别为y=2．1498x+15．9710和y=2．2367x+17．8180。 ⑵通过对晴天和阴天下的树木蒸腾速率与环境因子进行主成分回归、多元线性回归和BP-人工神经网络模型对比分析发现，BP-人工神经网络模型预测晴天和阴天蒸腾速率拟合值与观测值的R2分别为0．9892和0．9827，达到极显著水平，拟合的效果非常好，达到共线性，可选用BP-人工神经网络模型建模。晴天时考虑时滞的蒸腾速率的观测值与拟合值回归方程的R2大于不考虑时滞时的R2，阴天时则相反，故利用BP神经网络预测模型来预测树木蒸腾速率时要分情况，晴天时为提高预测模型的精度，应考虑蒸腾时滞；阴天可以不考虑时滞。对考虑时滞的影响下的树木蒸腾速率与气象因子进行主成分回归分析，R2达到0．7674，高于不考虑蒸腾时滞的回归方程的R2为0．7175，因此在利用主成分分析预测树木蒸腾速率时，考虑蒸腾的时滞可以提高拟合精度。 ⑶行间和株间果园蒸散量变异系数分别为0．3488和0．5156，属于中等变异程度。在该区域内果园蒸散量的分布呈斑块化分布，且高低值区域分布明显，但整个地区除了几处高低值域差异较大外，其余部分地区蒸发蒸腾量的分布较均匀，差异不大。根据Penman-Monteith方程计算出果园的日潜在蒸散量变化趋势发现，在一天中早上和晚上的潜在蒸散量变化无太大差别，在7：00至19：00之间蒸散量呈明显相似的变化趋势，即7：00至12：00之间蒸散量增加、12：00至19：00蒸散量逐步减弱并趋于稳定；果园潜在蒸散量和液流速率的日变化均明显呈夜低昼高的起伏趋势，白天的液流速率变化较大，夜间的液流速率较低且相对稳定。利用BP神经网络模型来预测果园的潜在蒸散量时R2为0．9974，达到极显著水平，观测值与拟合值之间的相对误差在±0．5和±2范围内的分别占81．12％和94．41％，该模型的拟合精度非常高。