植被含水量是表征作物健康状态的重要指标,及时准确地获取大范围冬小麦生长期的冠层含水量,有利于获取小麦生长信息、开展干旱胁迫评估、指导精准灌溉,对建设高标准农田和保障粮食安全具有重要意义。传统实地测量方法耗时耗力,易破坏田间作物,且只能单点采样。近年来,中高分辨率遥感卫星Landsat-8和Sentinel-2以多光谱和高时效的优势,为快速获取大范围冬小麦冠层含水量提供了数据支撑。然而,受影像空间分辨率的限制,在冬小麦生长期间,田块内存在大量小麦和土壤的混合像元,土壤效应对小麦冠层含水量的反演影响较大且难以有效消除。此外,在目前已有研究中,基于Landsat-8和Sentinel-2数据对冬小麦整个生长期的冠层含水量的反演研究较少。基于此,本研究以河北省无极县及周边农田为研究区,综合Landsat-8和Sentinel-2数据时相互补优势,开展了整个生长期的冬小麦冠层含水量反演研究。主要开展了如下工作:（1）冬小麦种植信息的提取。基于支持向量机分类方法对Sentinel-2影像（2017年4月18日）进行分类,提取麦田空间分布信息,提取精度达94.5%。采用照相法获取冬小麦田间尺度的覆盖度数据,作为实测数据,验证后续冬小麦覆盖度遥感反演结果。（2）基于三种植被指数（NDVI、MSAVI、EVI）,采用回归模型和像元二分模型反演冬小麦不同生长期的植被覆盖度。实测数据验证显示,基于EVI的像元二分模型的反演结果精度最好,能够反映不同生长期冬小麦覆盖度的变化,可作为量化土壤效应的关键参数,用于后续反演。（3）基于混合像元分解思想,以植被覆盖度作为量化指标,建立混合像元线性分解模型,模拟麦田总体含水量。将模拟值与4种植被水指数（RMSI、SRWI、NDWI、NDII）进行的回归分析,选取最优回归模型构建反演方程,并利用演化算法进行优化反演。结果显示,Sentinel-2数据反演结果精度最高,其中,粒子群算法反演结果（R~2=0.762,RMSE=4.0%）优于遗传算法反演结果（R~2=0.764,RMSE=4.7%）。结果表明,量化小麦冠层和土壤背景的线性混合比,可以有效消除土壤对小麦冠层含水量反演的影响,提高反演精度。本文基于混合像元线性分解模型和演化算法,实现了对华北地区不同生长期的冬小麦冠层含水量的多时相、高精度反演,提供了一种快速、准确反演大面积冬小麦冠层含水量反演方案,为大规模开展冬小麦生长期实时监测提供技术支撑。同时表明,利用中高分辨率光学遥感数据（Landsat-8和Sentinel-2）监测作物冠层含水量具有重要的应用潜力。