适宜的土壤含水率是保证作物正常生长发育的基本条件。当前,具备高机动性和及时性等优势的无人机遥感技术已经成为监测土壤含水量的一个热门研究方向。然而目前在使用无人机遥感监测不同下垫面条件的土壤含水率时并没有一个相对规范的光谱信息采样窗口大小及其选择方法。为了解决这一问题,本文以河套灌区内的三块典型田块为研究区域,分别在裸土期和植被覆盖期获取土壤含水率数据和研究区域的无人机多光谱遥感影像。使用不同窗口大小提取裸土期的采样点光谱信息,分别构建其对土壤含水率的监测模型,采用方差分析法对不同的模型精度做差异显著性检验,并以局部方差图探究最优光谱采样窗口大小的选择。在植被覆盖期则根据是否考虑地物类别（地物类别的变异）和光谱信息采样窗口（地物内部的空间异质性）分别建立了四种土壤含水率监测模型,最后评价模型监测精度并分析地物类别和光谱信息采样窗口对模型监测结果的具体影响。主要研究结论如下:（1）监测区域遥感影像的局部方差图变程为11*11-15*15,和最佳的无人机遥感信息采样窗口的大小基本一致,以局部方差图来选择最优采样窗口大小具有可行性。随着光谱信息采样窗口的增大,R~2整体呈现先增大后减小的趋势,在窗口大小为13*13时,达到最大值为0.2605,RMSE整体呈现先减小后增大的趋势,在窗口大小为7*7时,达到最小值为0.0167。不同大小的无人机遥感图像光谱信息提取窗口会对土壤水分监测模型精度造成影响,随着窗口大小差异的增大,模型精度的差异呈现了先增大后减小的趋势。（2）地物内部的空间异质性和地物类别的变异会对无人机多光谱遥感监测土壤含水率带来负面影响。在地物类别只有土壤和植被时,根据植被覆盖度能够选择合理的滤波窗口大小。对原始图像滤波或者将地物分类讨论均可以提高无人机多光谱遥感监测土壤含水率的监测精度,将两者结合使用后构建的土壤含水率监测模型精度最高,决定系数R~2为0.279,均方根误差RMSE为0.014。（3）AVG（average）模型（考虑光谱信息采样窗口但并未考虑分类）的监测效果随着植被覆盖度的升高而呈现出先提升后下降的趋势,并在覆盖度为0.6-0.8区间内达到最优。OG-C（original-classification）模型（考虑分类但并未考虑光谱信息采样窗口）的监测效果随着局部方差的升高而提高,当局部方差大于0.1时将不会影响模型的监测效果。同种地物内部的空间异质性和不同地物的空间分布差异在影响OG（original）模型（未考虑分类同时也未考虑光谱信息采样窗口）监测效果时存在着交互作用。当FVC（27）（2356VAR-364）/（2356VAR-364）时,随着植被覆盖度的增加,模型监测效果将提升,否则将会下降;当FVC（27）0.589时,随着局部方差的增加,模型监测效果会提升,反之则会增大。