【摘要】【目的】融合多源遥感数据的神经网络构建土壤水分反演模型，估测土壤含水率，更加快速地精准监测土壤水分分布，为灌区土壤墒情监测与节水农业提供基础信息指导。【方法】以河套灌区解放闸灌域为研究区，利用地面实测地表粗糙度与光谱数据，联合C波段微波雷达SAR四极化后向散射数据，通过多元逐步回归（MSR）、主成分回归（PCR）和偏最小二乘回归（PLSR）选择水分特征波段，并构建经验模型和BP人工神经网络模型评价土壤墒情。【结果】将光谱反射率及其一阶与二阶导数、对数形式4种光谱数据与土壤水分做相关性分析，经数学变换的光谱反射率与土壤含水率存在较强的相关性。发现光谱的一、二阶导数相关性更好，尤其是二阶导数变换的4个特征波段450～454 nm、1412～1416 nm、1421～1425 nm、2208～2212 nm相关性最高，分别为0.50、-0.49、0.55和-0.59；二阶导数变换的模型拟合度远高于一阶导数变换，MSR模拟土壤含水量的效果较好，其判定系数R~(2)和均方根误差RMSE分别为0.482和0.027，PCR次之，PLSR最差。在对比前述二阶倒数变换的PCR、MSR和PLSR三个土壤水分模型基础上，确定联合光谱特征波段中心反射率二阶导数与地表粗糙度、雷达后向散射特性的BP人工神经网络(BP ANN)模型是最佳预测模型，模型R~(2)为0.792，预测精度及稳定性都优于前述经验回归模型。【结论】采用地面光谱联合主动微波遥感能够精确快速地预测河套灌区解放闸灌域盐渍化土壤水分，为微波遥感监测西北寒旱地区土壤墒情提供重要基础数据。