土壤温、湿度是陆面过程的重要参数，也是大气数值模式下边界条件的重要物理参量。由于土壤湿度的观测站点较少，土壤温湿度的空间资料较少，另外，土壤温湿度作为干旱预测的主要内容，需要知道未来时刻的土壤温湿度变化。因此，如何获得未来时刻土壤温湿度的时空变化具有重要意义。本文根据土壤湿度的记忆性特点，通过机器学习方法试图获得模式中土壤湿度的时空变化。采用卷积神经网络算法（Convolutional Neural Networks，CNN），考虑土壤温度对土壤湿度的影响，选取ERA5 0~7、7~28、28~100、100~289 cm深度层土壤温、湿度作为预测因子，对月、季尺度上土壤湿度变化进行预测。结果表明，本方法能提前6个月对土壤湿度进行可靠有效地预测；预测的浅层（0~28 cm）与深层（28~289 cm）土壤湿度平均偏差分别小于0.05、0.02 m3·m-3；在湿润区，平均偏差基本在0.03 m3·m-3以内，表现出较好的效果。本文的预测方法和结果，既可用于土壤干旱的预测，也可作为数值模式初边界场的形成。
