土壤水分是土壤的重要组成部分,是土地资源评价和作物生长状况监测的重要指标,对农作物生长发育具有不可替代的作用。光学卫星遥感只能探测土壤表层的含水量,无法实现对土壤耕层含水量的快速监测。而传统的以烘干法为主的土壤水分测定方法虽然精度较高,但测量周期较长,过程复杂,费时费力,难以快速准确的获取数据。高光谱遥感由于光谱分辨率高、波段多、信息丰富等优点,为定量监测大面积土壤水分含量提供了新技术。因此,研究土壤表层光谱特性,建立土壤耕层含水量的间接光谱估测模型,对实现光学卫星遥感快速监测土壤耕层含水量及发展精细农业都具有重要意义。本研究以山东省济阳县为研究区,以采集的85个土样的含水量以及其室内外反射率光谱为研究对象,基于表层与耕层含水量之间的相关性,使用不同的方法进行实验,建立了耕层土壤含水量间接光谱估测模型,对耕层土壤含水量进行估测,并通过不同模型之间对比,验证了间接光谱估测模型的有效性。主要研究内容及结论如下:(1)确定了济阳县土壤含水量的敏感波段及特征因子通过使用对比分析法,将土壤的表层光谱与耕层光谱进行分析,接着使用平方、平方根、对数、倒数、一阶微分及其组合等9种光谱变换方法对光谱进行变换,通过原始及变换光谱与土壤含水量之间的相关分析确定土壤含水量的敏感波段,并利用极大相关性原则提取了特征因子。结果表明:济阳县土壤表层含水量以及耕层含水量的室外光谱在不同含水量的情况下,光谱变化趋势大致相同,土壤光谱反射率随着含水量的增加而降低,二者呈负相关性。经过光谱变换后,平方根变换和对数变换的效果较好,最大相关系数由0.90提高到0.94,而其他变换方法效果不明显。(2)建立了两种耕层土壤含水量高光谱间接估测模型通过分析表层与耕层土壤实测值之间的联系,发现两者具有显著的相关性。基于表层与耕层土壤之间的相关性,得到两种耕层土壤含水量间接光谱估测模型:第一种是分析表层土壤与耕层土壤含水量的内在联系,建立耕层土壤与表层土壤含水量的关系模型,再讲表层土壤含水量光谱估测值代入这一关系模型,从而计算耕层土壤含水量的间接估值;第二种是分析耕层土壤含水量与表层土壤光谱特征的间接关联性,建立基于表层光谱特征的耕层土壤含水量间接估测模型。使用六种常规估测方法带入两种间接估测模型,结果表明:两种间接估测模型结果比较相近,第一种模型的决定系数R~2为0.7649,平均相对误差为19.5252%;第二种模型的决定系数R~2为0.8235,平均相对误差为17.6957%。研究表明:通过表层土壤高光谱信息对耕层土壤含水量进行间接估测是可行、有效的。(3)建立了基于卷积神经网络的耕层土壤含水量光谱间接估测模型依据第二种间接估测模型思想,结合深度学习中的卷积神经网络模型,建立基于卷积神经网络的耕层土壤含水量间接光谱估测模型,以处理过的四维光谱信息矩阵为输入,以耕层土壤含水量的估测值为输出值,将结果对比耕层土壤含水量的实测值。结果表明:随着迭代次数的增加,卷积神经网络的估测精度越来越高,当迭代次数N=3500时,估测结果的平均相对误差为3.1849%,决定系数R~2达到0.9909。研究表明,利用卷积神经网络对耕层土壤含水量进行间接估测是可行有效的,为光学遥感技术用于耕层土壤墒情、养分监测提供了一种新思路。