土壤水分是环境研究中的重要变量之一,它影响着地表和大气之间的水和能量通量的交换,在水资源管理、环境监测以及全球气候变化研究中起着非常重要的作用。因此准确估计土壤湿度的时空变化对许多环境研究至关重要。遥感技术的发展,使得快速、大面积、周期性土壤水含量监控成为可能,遥感反演土壤水分逐渐成为大区域干旱监测的最常用手段之一。在土壤水分遥感手段获取方法中,由于红光波段和近红外波段对土壤水分和植被信息比较敏感,且大部分卫星都能获取这两个波段数据。因此由红光和近红外波段反射率构成的NIR-Red光谱特征空间方法经常被用估计土壤含水量。NIR-Red三角空间分布的下边线被认为是纯裸土像元构成的土壤线。然而,由于遥感图像空间分辨率有限,且云层成像和水域成像等原因,因此,三角空间分布的下边线并非全由裸土构成,这导致了土壤线估计不准确,从而降低了土壤水估计精度。另外,基于NIR-Red特征空间的水含量估计本质上仅适合裸土和低植被区域,对于高植被覆盖区域,由于卫星传感器接收到的反射率其实是植被表面的反射率,已经不再能表达植被覆盖下的土壤水分信息,因此,该模型无法估计下垫面的土壤水含量。本文针对以上两个问题展开研究,具体内容为:(1)提出基于改进土壤线的土壤水分估计算法。针对基于遥感数据土壤线估计不准确问题,利用土壤线方程构造目标函数数据项,利用基于土壤线的水含量估计方程构造目标函数正则项。并提出了交叉迭代框架,将土壤线估计和水含量估计放在同一框架下,用水含量估计误差修正土壤线,用改进的土壤线估计水含量,迭代交叉优化求解,同时提高土壤线估计和水含量估计精度。(2)提出三维NIR-Red-LST特征空间下的土壤水分估计算法。为了估计高植被覆盖区域的水含量,引入地表温度,构建新的NIR-Red-LST三维特征空间模型;并从能量平衡的角度出发,基于NIR-Red-LST空间模型提出新的土壤水分指数。