土壤水是环境地质物质循环中的重要载体,也是土壤-生物-大气圈中水循环的重要源和汇。及时、准确的了解土壤含水量,对农业、环境、水文、气象、生态等众多领域的研究都具有重要意义。目前,土壤水监测以点尺度和遥感大尺度的方法为主。两种方法之间存在监测尺度上的空缺。宇宙射线快中子法（Cosmic Ray Neutron Probe,CRNP）的监测尺度为半径数百米的范围,恰好弥补了上述方法间的监测尺度空缺。本研究以CRNP为技术手段,以黄淮海平原地区夏玉米农田为研究对象,通过与分布式采样和频域反射法（FDR）的对比分析,评价该方法在我国北方典型农区中的适用性;研究中还采用无人机遥感对植被水当量进行精准校正,以期进一步提高CRNP的监测精度。具体研究结果如下:（1）确定了CRNP在试验区的空间权重因子。CRNP的测量范围是以传感器为轴心的扁平的陀螺型或漏斗型。基于K?hli等的CRNP空间权重分布理论,计算研究区内CRNP的测量范围和空间权重因子分布。经计算后得到径向距离为233 m,垂向测量深度与测量点距CRNP的距离呈负相关,范围为30.1-20.7 cm。（2）将CRNP与分布式采样和FDR的测量结果进行对比分析。夏玉米生长期间（2018.06-2018.10）,CRNP与同期分布式采样法数据的相关系数R²为0.94（n=6）,均方根误差RMSE为0.018 cm³·cm^-3。CRNP法（24 h均值）与FDR法（24 h均值）的相关系数R²为0.55（n=110）,均方根误差RMSE为0.035cm³·cm^-3。（3）利用高空间分辨率的无人机遥感对CRNP的植被水当量进行了精准校正。通过与同期FDR数据对比分析,表明基于无人机遥感的植被校正有效提高了CRNP的测量精度。拔节期（2018.07.21-08.15）土壤含水量的平均误差由0.024cm³·cm^-3降至0.009 cm³·cm^-3,平均绝对误差由0.027 cm³·cm^-3降至0.019cm³·cm^-3,RMSE由0.033 cm³·cm^-3降至0.024cm³·cm^-3;乳熟期（2018.08.25-09.15）的平均误差由0.044 cm³·cm^-3降至0.027 cm³·cm^-3,平均绝对误差由0.047 cm³·cm^-3降至0.034 cm³·cm^-3,RMSE由0.056cm³·cm^-3降至0.043 cm³·cm^-3。综上,CRNP作为一种新兴的中小尺度土壤水分监测方法,在黄淮海农田生态系统中表现出了较好的适用性;而无人机遥感由于其高空间识别能力以及与CRNP相近的监测尺度,可以为CRNP在做植被影响的精准校正,进一步提高了CRNP的测量精度。本研究为两项新技术在土壤水分监测领域的耦合应用,两者结合具有非常广阔的发展前景,值得更加深入广泛的研究。