小麦在新疆的粮食安全建设中有着重要地位,其中冬小麦在产量中的比例较大,保障冬小麦的正常生长尤为重要。土壤水分与作物健康密切相关,对冬小麦农田的表层土壤水分进行监测是判断冬小麦生长发育状况和产量的重要因素之一。土壤水分含量过低会抑制冬小麦的正常生长发育,严重时不但会使冬小麦减产甚至还会造成绝收。本研究以冬小麦田间地表土壤（0～20cm）为研究对象,基于哨兵1号（Sentinel-1）微波遥感影像数据得到的不同极化方式下的后向散射系数构建土壤水分估算模型。同时为了消除土壤反演过程中植被层的影响,使用基于哨兵2号（Sentinel-2）光学影像得到的多种植被指数,将它们与冬小麦冠层水分实地测量数据进行相关性分析,选出具有代表性的植被指数建立冬小麦冠层水分估算经验方程。利用该方程改进水云模型,并结合田间地表土壤水分实测数据,通过偏最小二乘法建立冬小麦田间地表土壤水分反演半经验模型,从而实现了微波遥感和光学遥感的协同反演,最终得到一种适合本研究的植被指数与极化方式的反演组合方式。主要得出以下结论:（1）通过对归一化植被指数（NDVI）、改进型土壤调整植被指数（MSAVI）、差值植被指数（DVI）、归一化水分指数（NDWI）与冬小麦冠层水分的相关性分析,结果表明四种植被指数均为极显著相关,说明这些植被指数与冬小麦冠层水分含量关系密切。（2）使用线性回归建立冬小麦水分反演模型并分析结果,其中NDVI、DVI、MSAVI的决定系数保持在0.4～0.6之间。而NDWI大于0.6。MSAVI是NDVI添加土壤调节系数并改进后得到植被指数,更适合用于裸土背景干扰情况下的植被自身状态监测。NDWI反演精度最高,说明短波红外非常适合反映冬小麦水分胁迫状况。因此,选择MSAVI和NDWI这两种植被指数分别构建冬小麦冠层水分经验方程。（3）通过对哨兵1号（Sentinel-1）上的两种单极化方式VV和VH以及它们经波段计算后得到的两种双极化方式VV/VH、（VV-VH）/（VV+VH）的后向散射系数与土壤水分进行相关性分析,结果均呈现极显著相关,其中VV极化相关程度较高,相关系数绝对值超过0.8。VH极化的相关系数在0.4左右,而VV/VH、（VV-VH）/（VV+VH）的相关性十分接近,相关系数绝对值分别为0.624和0.632。（4）分别代入MSAVI和NDWI表示的冬小麦冠层水分经验方程,得到两种改进型水云模型。这两种模型在一定程度上消除了冬小麦冠层水分对土壤水分反演过程的影响。使用偏最小二乘法（PLSR）将基于MSAVI改进的水云模型、土壤水分实测数据的建模集分别和四种极化方式的后向散射系数进行拟合求解,得到土壤水分反演半经验模型。同理,对基于NDWI改进的水云模型也使用上述方法建立土壤水分反演半经验模型。共得到的8种反演组合方式,VV-MSAVI的R~2为0.634,VH-MSAVI的R~2为0.138,VV/VH-MSAVI的R~2为0.505,（VV-VH）/（VV+VH）-MSAVI的R~2为0.731,VV-NDWI的R~2为0.669,VH-NDWI的R~2为0.214,VV/VH-NDWI的R~2为0.676,（VV-VH）/（VV+VH）-NDWI的R~2为0.751。（5）通过比较8种不同组合方式的土壤水分反演模型精度分析,得出在冬小麦覆盖条件下估算土壤水分过程中使用基于NDWI改进的水云模型能有效的消除冬小麦水分的干扰,同时由（VV-VH）/（VV+VH）极化方式参与建立的土壤水分反演模型受到植被层的衰减作用影响最小,能有效地表征冬小麦田间地表土壤水分的空间分布情况。