土壤水分含量在各种科学领域发挥着重要作用,包括农业,水文学,气象学和生态学。在过去的二十年中,随着地球观测技术的进步,已经表明土壤水分含量可以在某种程度上被电磁波测量出来,远程传感器不能直接测量土壤含水量,因此,建立土壤水分含量反演模型具有重要意义。高光谱土壤水分含量反演技术主要依靠反射率法或者植被指数法,反射率法的指的是“裸土”反射率,植被指数法指的是“植被”在不同波段表现出的反射规律。然而高光谱图像,尤其对于卫星遥感高光谱而言,由于空间分辨率的限制混合像元普遍存在,纯植被或纯裸土的反射率很难获取。本文针对这个问题,先对高光谱图像进行解混合,然后再计算植被指数,构建准确的土壤水分含量反演模型。主要内容如下:第一,针对当前基于非负矩阵的解混算法对初始值敏感和解不稳定问题,首先,本文提出改进的空间光谱预处理算法,挑选出较为纯净的端元像素,对分解算法的初始端元和丰度值进行优化;其次,根据丰度稀疏性和丰度空间关系,引入了低秩性约束和基于图的拉普拉斯正则项约束。第二,利用解混后获得精确的植被反射率数据,计算相关的植被指数,然后利用灰度关联法对植被指数和土壤含水量进行关联度分析,结合偏最小二乘法对各植被指数进行筛选,并建立了关于植被指数的土壤含水量线性回归模型,取得了较好的实验结果。