土壤墒情指地表土壤含水量的状况,影响着水文过程、气象变化和作物生长等环节。河南是我国的小麦主产区,其生产易受干旱的影响,及时准确地监测土壤墒情对保障粮食生产具有重要意义。田间实测等传统的土壤水分测量方法虽然精确,但无法实现大区域农田的动态实时监测,而遥感技术能很好地弥补传统方法的不足,利用遥感获取土壤水分信息有着重要的实用价值。基于植被指数反演土壤水分的方式被广泛使用,但普遍存在精度低的问题;此外,还存在点状局部研究多、宏观大区域研究少,时刻截面研究多、长生育期研究少等问题,限制了该方法的进一步应用。本论文针对以上问题,以河南省黄淮海平原的冬小麦农田墒情为研究对象,利用MODIS和Landsat8遥感影像以及实测墒情等数据,为提高对土壤墒情监测和反演的精度,考虑作物不同生育期的实际情况对植被指数进行修正或整合,实验取得了较好的效果。主要内容包括:(1)基于修正归一化植被指数(NDVI)的土壤墒情监测。NDVI的研究和应用较为深入和广泛,本文首先选择NDVI进行实验。中原地区的冬小麦生育周期长达8个月,且光、热、水、土等生态因素复杂多变,考虑大区域光热条件和作物物候期的差异,分别对种植区域和生育周期(基于小麦物候期的聚合)进行划分;在各自区域和生育期内,考虑温度、光谱等因子对NDVI修正,并进行土壤相对湿度的监测。实验结果表明:总体而言,与NDVI相比,修正NDVI与实测土壤墒情的相关性更好,一定程度上提高了土壤墒情监测和反演精度;而不同生长期修正NDVI的指示水平有差别,中后期较好,前期较差。实验证明了基于修正植被指数的墒情监测方法是可行的。(2)多种植被指数与土壤墒情的响应关系挖掘分析。在上述实验基础上,考虑多种指数与不同深度土壤墒情的响应关系。根据数据源实际情况,选择归一化植被指数(NDVI)、植被供水指数(VSWI)、增强型植被指数(EVI)和温度植被干旱指数(TVDI)与返青期之后的不同深度土壤墒情进行相关性分析,分别建立回归模型并分析预测精度。结果表明:TVDI为墒情最优响应指数,10-20cm为植被指数最优响应深度。(3)基于修正或综合植被指数法的适应性土壤水分监测方法研究。顾及植被覆盖度,以拔节期开始日期为界,将冬小麦生育期划分为生长前期(从播种到返青的低植被覆盖期)和生长后期(从拔节到收割期的全植被覆盖期),根据不同时期的特点,分别采用不同的适应性方法进行墒情监测。前期冬小麦处于营养生长阶段,从裸土至半植被覆盖状态,植被覆盖度不断增加,因此综合考虑土壤和植被两种因素,建立表观热惯量(ATI)和NDVI的特征空间,据此提出植被热惯量干旱指数,进行10-20cm土壤墒情的监测,并与ATI和NDVI进行比较。结果表明:植被热惯量干旱指数与土壤墒情的相关系数平均比NDVI、ATI高0.15、0.07,墒情反演的标准偏差分别低0.87和0.53,植被热惯量干旱指数更优。在冬小麦生长后期,作物开始生殖生长,植被覆盖度较高且基本不再变化。利用最优响应指数(TVDI)反演土壤墒情时,混合像元的非植被区域影响了指数的计算精度。针对此问题,利用Landsat8遥感数据计算植被覆盖度因子,采用基于物理统计的方法与MODIS数据融合,进而对TVDI进行修正,并进行墒情监测对比,结果表明:修正TVDI比TVDI与土壤墒情的相关系数平均高0.051,墒情反演的标准偏差平均低0.13,考虑植被覆盖度因子的修正方法提升了土壤墒情的反演精度。