土壤墒情即土壤的实际含水量,联系着地表水和地下水,影响着植被和农作物的生长发育,在农业、生态和环境领域扮演着重要角色。卫星遥感技术能够获得大区域的遥感影像,低空无人机多光谱遥感时空分辨率高,具有较高的反演精度。基于此,本研究结合无人机遥感和卫星遥感的优势,提供土壤墒情多尺度反演的建模方法,对研究区土壤墒情进行实时、准确监测,从而指导农作物精准灌溉、节约水资源。本研究以苏州市张家港地区冬小麦田为研究对象,共布设76个实际采样点,在每个采样点分别采集10 cm和20 cm深度的土壤样品,在实验室利用取土烘干法测定土壤墒情,并同步获取无人机多光谱数据和Sentinel-2卫星多光谱数据,将无人机多光谱数据和卫星多光谱数据协同利用,实现对研究区土壤墒情的高精度、高时空分辨率的多尺度反演监测。本文主要研究内容及结论如下:（1）基于无人机多光谱遥感土壤墒情反演模型的建立。提取无人机多光谱影像5个波段反射率后计算植被指数,采用灰度关联分析法筛选出敏感光谱数据作为自变量,土壤墒情实测值为因变量,通过逐步回归法、岭回归法、偏最小二乘法和反向传播神经网络法构建反演模型。建模结果发现,在10 cm和20 cm深度,反向传播神经网络模型的反演效果最好,均具有极好的预测能力,其建模精度决定系数R~2分别为0.931、0.906;不同深度下,4种回归模型对10 cm深的土壤墒情的反演精度要优于20 cm。（2）无人机遥感与卫星遥感协同利用的研究。以无人机遥感反演结果作为介质数据,将每个卫星影像像元内的无人机反演得到的土壤墒情均值作为卫星影像像元尺度下的土壤墒情“相对真值”,研究表明此种无人机—卫星遥感尺度转换方法可行有效。（3）基于无人机—卫星遥感协同的土壤墒情反演模型建立。将无人机遥感和卫星遥感结合,建立与卫星遥感影像像元大小对应的10 m×10 m面矢量数据,并统计每个面矢量对应的卫星影像反射率值、植被指数和无人机反演得到的土壤墒情均值,将筛选得到的卫星遥感敏感光谱数据和无人机反演得到的土壤墒情均值分别作为自变量和因变量构建基于无人机—卫星遥感协同的土壤墒情估算模型。反演建模结果发现,在2个深度建立的4种模型精度都比直接基于卫星遥感建立的土壤墒情估算模型大幅提高,都具有更好的反演结果,其中反向传播神经网络模型为最优模型,其在10 cm深度模型检验的决定系数R~2提高了6.2%,在20 cm深度模型检验的决定系数R~2提高了6.0%。