土壤水是全球生态系统的重要组成部分, 定量遥感估测喀斯特石漠化地区土壤含水率, 可为石漠化治理和生态恢复工作提供基础数据和理论支撑.通过Sentinel-1A和Landsat 8影像数据, 运用水云模型提取灌木林地和疏林地的土壤后向散射系数, 并计算旱地与有林地的TVDI.并结合实测数据, 利用拟合分析对不同深度土壤含水率进行建模, 从而对土壤含水率进行反演.结果表明VH极化二次曲线模型和VH极化三次曲线模型分别适用于灌木林地0~5 cm和5~10 cm深度的土壤含水率反演, 其R2和RMSE分别为0.87、0.87和4.57%、4.29%.疏林地0~5 cm和5~10 cm深度土壤含水率反演宜选用VH极化指数回归模型和VH极化下的线性回归模型, 各模型的R2与RMSE分别为0.736、0.72和9.77%、11.28%.三次曲线模型和Logistic回归模型分别适用于旱地和有林地的土壤含水率的反演, 各模型的R2与RMSE在0~5 cm深度分别为0.85、0.69和2.88%、4.02%, 在5~10 cm分别为076、0.23和3.5%、6.37%.

地表温度（Ts）是土壤湿度和植被生长状态等因素的综合反映, 利用植被指数和Ts能够监测土壤湿度的时空分布特征。 利用农田气候模型CUPID的Ts模拟结果, 发展了利用温度与叶面积指数（LAI）的新型土壤水分反演方法（advanced temperature vegetation dryness index, ATVDI）。 前人研究表明归一化植被指数（NDVI）容易达到饱和状态, 因此利用LAI代替NDVI开展土壤水分反演。 利用CUPID模型模拟结果构建LAI-Ts散点图, 分析Ts随LAI与土壤湿度的变化特征, 利用对数关系式改进了温度植被干旱指数（TVDI）中相同土壤湿度时Ts与植被指数之间的线性关系, 建立了ATVDI方法。 在实际应用中, 首先利用LAI与Ts的散点图确定对数曲线的上边界与下边界, 然后采用查找表的方法将每个像元对应的Ts变换为研究区最小叶面积指数对应的Ts。 以陕西省关中作为研究区, 利用MODIS的LAI和Ts产品（MOD11A2和MOD15A2）以及野外观测土壤湿度数据对ATVDI模型进行验证, 结果表明该方法具有较高的监测精度, R2达到0.62。 此外, ATVDI的计算结果具有一定的物理意义, 使得不同时期的监测结果具有一致性, 因而可更好地满足不同空间尺度土壤湿度的动态监测。