土壤水分是生态水文和地表陆面模型诸多领域的重要参量,但现有土壤水分产品多应用于全球或区域尺度,空间分辨率较低,难以满足精细水资源管理和陆面建模的精度需求。因此如何快速准确获取高分辨率的地表土壤水分数据对地表过程的研究具有重要的意义。本文结合水云模型（WCM）和深度置信网络（DBN）,提出了一种利用VV极化Sentinel-1 SAR和Landsat光学数据估算地表土壤水分的方法。地表植被覆盖对基于微波数据的土壤水分估算具有重要的影响,因此,本文通过WCM物理模型消除植被覆盖对地表后向散射的影响,获得裸土后向散射系数,以提高地表土壤后向散射特性与土壤水分的相关性。建立以裸土后向散射系数为基础训练数据结合雷达入射角和地形因子的深度置信网络土壤水分估算模型,并获得了良好的估算结果。青藏高原那曲地区研究结果表明:植被覆盖对基于微波遥感数据的土壤水分估算过程具有显著的影响,其中消除植被覆盖前后的后向散射系数与土壤水分的拟合度（R~2）分别为0.38和0.50,植被覆盖影响的消除显著提高了后向散射系数与土壤水分相关性。在深度置信网络土壤水分估算模型建立过程中,当模型的RBM设置为7层时模型估算结果精度最优,其中Bias和R分别为0.007和0.88。十折交叉验证表明模型因训练数据的变化而精度变化较小,当裸土后向散射系数作为模型训练数据时,估算结果精度进一步提高且更加稳定。其中RMSE、TIC、MAPE的均值为0.023、0.09、和11.13。表明深度置信网络模型估算土壤水分具有较高的估算精度和良好的稳定性。植被覆盖对微波数据估算土壤水分结果精度的影响存在差异,植被覆盖影响使得后向散射系数在土壤水分低值区域对土壤水分估算结果有所低估,而在高值区域的估算结果有所高估。而通过水云模型首先消除地表植被覆盖对地表后向散射的贡献,则克服微波数据估算土壤水分的这一不足,使估算结果更加准确。研究方法消除了植被覆盖对土壤水分估算结果的精度影响,提高了雷达数据估算土壤水分的精度,同时为区域尺度土壤水分的估算提供了方法参考。