土壤水分测量在干旱预报、天气模拟、农作物估产和水资源管理等应用中具有重要意义。传统的土壤水分测量方法,虽然能够提供准确的结果,但需要消耗巨大的人力和财力,而且无法短时间内获取大范围的土壤水分信息。随着遥感技术的发展,合成孔径雷达（Synthetic Aperture Radar,SAR）凭借其全天时、全天候工作的优势,在众多土壤水分估测手段中脱颖而出。但由于地表实际情况的复杂性,电磁波与地物之间的相互作用较为复杂,雷达波除了受土壤水分的影响外,还受粗糙度、植被的覆盖以及雷达系统自身参数等多种因素的影响,给土壤水分估测带来了挑战。本文基于Sentinel-1 SAR微波数据和Sentinel-2多光谱成像仪（Multi-Spectral Imager,MSI）光学数据,以河南省开封市祥符区冬小麦农田为研究区,针对农作物覆盖和地表粗糙度在土壤水分反演中造成的雷达信号敏感性降低问题,开展了农田土壤水分遥感反演研究。本文主要内容及创新性工作可总结为以下三个方面:（1）定义了融合植被指数（Fusion Vegetation Index,FVI）,结合使用麦克劳林级数改进的水云模型,发展了一种基于主被动遥感数据的农作物覆盖地表土壤水分反演半经验模型,以降低土壤水分反演过程中农作物覆盖对雷达后向散射系数的影响。实验结果表明,组合使用FVI与VV/VH极化数据时,本文发展的土壤水分反演半经验模型的土壤水分反演精度最优,能够有效降低农作物覆盖对后向散射系数造成的影响。（2）使用最优化理论解决水云模型中与植被有关的经验参数取值问题,以获取适合研究区域的最优参数取值组合。基于对水云模型中参数的敏感性分析,将其中对雷达后向散射系数影响甚微而对植被衰减因子影响较大的经验参数设置为定值,使用最优化理论对其他经验参数进行求解;针对不同研究区域,获取不同的最优参数取值组合。（3）基于主被动遥感数据,构建查找表,结合水云模型和Oh模型进行农田土壤水分反演,以降低地表粗糙度在土壤水分反演过程中对雷达后向散射系数的影响。实验结果表明,先通过引入植被覆盖度来改进水云模型以修正后向散射系数,再结合Oh模型构建查找表来反演土壤水分,可提高反演精度,有效降低地表粗糙度在土壤水分反演过程中对雷达后向散射系数的影响。