摘要根区土壤水分(RZSM)在水文循环中发挥着关键作用,调节着陆地和大气之间的水热交换过程,RZSM的精确模拟有助于深入地理解土壤剖面的水分迁移机制.云南省地处中国西南部,近年来干旱频发.相较于气象干旱与水文干旱,该区域对农业干旱的系统研究仍显不足.农业干旱具体表现为土壤水分的亏缺,其亏缺程度直接关联农业干旱的严重程度.因此,RZSM的动态模拟对于农业干旱监测具有突出意义.基于土壤水分分析关系(SMAR)模型,构建了一种集评估、模拟与降尺度于一体的系统方法框架,能够同时获取高精度、高分辨率的表层(0-10cm)与根区(10-60cm)土壤水分数据集.分析结果表明:(1)中国气象局陆面数据同化系统(CLDAS)相较于全球陆面数据同化系统(GLDAS)、欧洲中期天气预报中心第五版再分析数据(ERA5)和土壤水分业务产品系统(SMOPS),在站点尺度和区域尺度评估中均具有最小的不确定性,可作为SMAR模型的最优输入;(2)相较于原始CLDAS(CLDAS)、降尺度CLDAS(CLDASDS)、降尺度残差校正CLDAS(CLDASDSC)结果,降尺度残差校正累积分布函数(CDF)匹配(CLDASDSCC)结果在站点尺度下均方根误差(RMSE)、相关系数(CC)与偏差(Bias)分别为0.01m3/m3、0.97、-0.0006m3/m3,显著提升了表层土壤水分(SSM)的空间分辨率同时保持较高精度;(3)四个SMAR参数均受到植被、气候和土壤因子的综合影响.模拟的RZSM在站点尺度下表现出较高的精度,整个研究时段的平均CC为0.95、RMSE为0.01m3/m3、Bias为-0.001m3/m3,表明所构建方法能够准确地识别区域土壤水分的时空变化趋势,具有良好的评估能力和应用潜力.