土壤是高度不均一的历史自然体,其特性参数空间分布具有一定的非均一性,且空间变异具有尺度效应,所以描述其不同尺度空间变异特性及变化过程等问题是当前灌溉水文学研究的热点。自然土壤特性在水平和垂直方向上都存在变异性,且不同土层土壤特性的空间变异存在着一定的相互关系,探求不同土层土壤特性空间变异特性及其相互对应的关系,对于了解土壤特性在三维空间上的变化规律及模拟和预测具有一定的意义。在土壤水力参数空间变异研究中,建立水力参数与理化参数的转换函数成为获取水力参数的重要途径,但不同尺度的主导过程并不相同,如何将某一尺度建立的模型经过尺度转换应用于其它尺度,明确其精度及消除不确定性等问题值得进一步研究。为此,论文依托于国家自然科学基金项目(51069006),以内蒙古河套灌区为例,针对上述问题进行相关研究和讨论。(1)分别采用Bayesian神经网络(BNN)及BP神经网络建立土壤基本特性参数与土壤水分特征曲线模型参数、特征含水率之间的转换函数,进行模型验证及适应性比较。两种方法均能得到较好的训练及预测效果,且BP模型的训练精度优于BNN模型,但BNN模型的预测精度整体高于BP模型,且由于BNN模型的预测值为一个区间范围,可更好的体现土壤特性参数的空间随机性和结构性特征。(2)通过经典统计、地统计及多重分形进行土壤基本物理特性参数(粘粒、粉粒、砂粒、有机质)和水力参数(饱和含水率θs、van Genuchten模型参数α、n)在不同尺度(小尺度：52.40km2、1km×1km；中尺度：1.243×103km2、4km×4km；大尺度：3.708×103km2、8km×8km)不同土层(0～20cm、20～40cm、40～70cm、70～100cm)的空间变异性分析,得到结论如下：基本物理特性参数在不同尺度不同土层表现为强烈的空间自相关性,空间分布主要受母质、气候等结构性因素影响；在研究区域上均具有明显的多重分形特征,且在中尺度呈现最强的空间变异性(除了有机质在0-20cm、20-40cm土层),同时多重分形谱曲线(除了有机质在小尺度的20-40cm及40-70cm土层)表现为左钩状,即在其空间分布中,数值较大的数据占主导地位,其概率分布较大。水力参数不同尺度不同土层整体上具有强烈的空间自相关性,空间分布主要受母质、气候、土壤类型等结构因素的影响；van Genuchten模型参数α空间分布格局具有多重分形特征,但在3个尺度下多重分形谱谱宽没有一致性变化规律,vanGenuchten模型参数n和饱和含水率θs分布格局的多重分形特征不明显,其多重分形谱谱宽均较小。(3)通过联合多重分形方法研究了基本物理特性参数表层(0-20cm)与其它土层(20-40cm、40-70cm及70-100cm)空间变异性的相关程度并建立转换函数。整体上各参数0-20cm土层与20-40cm、40-70cm、70-100cm土层空间变异性的相关性依次递减,且其相关性在小尺度及大尺度高于中尺度。通过一元函数建立基本物理特性参数在3个尺度下表层(0-20cm)与其它土层(20-40cm、40-70cm及70-100cm)的转换函数,各参数3个尺度下0-20cm土层与20-40cm土层回归关系较好,决定系数在0.41～0.65之间,与40-70cm及70-100cm土层整体回归效果较差,决定系数分布在0.038～0.401之间。(4)通过多元回归、支持向量机及BP神经网络方法建立基于中尺度的水力参数与基本物理特性参数及基本物理特性参数与高光谱的转换函数,并将其尺度上推至大尺度与尺度下推至小尺度,并对其尺度转化的适用性进行评价。基于中尺度建立的高光谱与土壤颗粒组成及有机质的反演模型均可以较好的应用于其它两个尺度：多元回归方法在其它两个尺度上的相关性在0.33～0.60之间,支持向量机为0.41-0.52,BP神经网络为0.52-0.72,BP神经网络方法建立的模型在其它两个尺度上具有更好的适用性。且颗粒组成的效果整体好于有机质含量。基于中尺度建立的水力参数(饱和含水率θs、van Genuchten模型参数α)与基本物理参数(粘粒、粉粒、砂粒及有机质)的转换函数在其它两个尺度上均具有较好的适用性：多元回归方法在其它两个尺度上的相关性在0.535～0.944之间,支持向量机为0.602～0.968,支持向量机方法具有更好的适用性。van Genuchten模型参数n的建模及模型检验效果均较差。3个参数的尺度转换结果为饱和含水率θs效果最好,其次是van Genuchten模型参数α,而van Genuchten模型参数b效果最差。