该文应用实数编码的遗传算法优化人工神经网络模型的权值,在室内及大田条件下,基于土壤水分、盐分分布及冠部特征参数,分别对水分、盐分胁迫下的根系分布参数估算进行了研究;并将该方法取得的根系参数应用于根系吸水模型中,对土壤水分、盐分分布进行了模拟,主要结论如下：1、使用具有均匀分布特性的优化分布线性交叉操作算子及自适应变异算子,采用实数编码方案及遗传算法优化神经网络模型权值,并用异或问题及编码解码问题对算法进行了检验,每次试验初始染色体群体随机产生,与只使用具有均匀分布特性的优化分布线性交叉操作算子或者只使用自适应变异算子的遗传算法相比,在50次重复试验中该文方法的优化成功率最高,平均优化代数最少.结果表明：应用该算法对神经网络权值进行优化,对于不同的初始染色体群体,不仅算法的收敛性得到改善,而且缩短了求解时间.2、冬小麦（苗期）水分胁迫土柱实验结果分析表明,适度的水分胁迫会促进根系的生长以及地上部干物重的累积和叶面积的增加;随着水分胁迫的加重,作物发育受到抑制.冬小麦（苗期）盐分胁迫土柱实验结果分析表明,在水分充足供应的条件下,当土层中的盐分浓度约小于5gl<-1>时,盐分胁迫会促进根系及地上部的发育;当盐分浓度约大于8gl<-1>时,冬小麦根系及地上部的生长受到抑制.3、基于苗期冬小麦水分胁迫室内土柱实验,用遗传算法训练神经网络的权值,应用人工神经网络模型对水分胁迫下的根长密度分布进行了估算,为根系参数适时准确的确定提供了一种新途径.