土壤湿度是陆地表层系统的重要组成要素,不仅是陆-气能量交换的重要物理量,而且是监测土壤干旱情况的重要指标。因此,获取大范围、时空分辨率精细的土壤湿度信息具有重要意义。目前,卫星遥感技术可以对地表进行实时动态监测,能够快速获取大范围内的地表信息,这使得利用遥感反演成为获取土壤湿度的主要手段。但是,由于受到天气与云层的影响,且存在植被覆盖等环境因素的影响,通过遥感技术获取高精度的土壤湿度数据仍很困难。针对以上内容,本文选择山东省和宁夏回族自治区作为研究区,基于高分三号微波遥感影像、Landsat8光学遥感影像和地面观测数据,利用深度置信网络能够挖掘数据深层关联关系的优势,用全连接层代替受限玻尔兹曼机,构建了反演土壤湿度的模型,命名为Soil Moisture Net（SMNET）。本文的主要工作及结论如下:（1）本文获取了山东省及宁夏回族自治区2018年1月至2020年9月的高分三号微波遥感影像、Landsat8光学遥感影像和地面观测数据,并利用相关软件进行了预处理。根据模型的输入要求制作了训练数据集和测试数据集,并对本文搭建的模型进行训练和测试。（2）根据分析,基于深度置信网络,用全连接层代替受限玻尔兹曼机作为基本单位搭建了SMNET模型。SMNET模型包括输入、特征挖掘器、数值模拟器和输出四部分,特征挖掘器由多层特征提取层组成,用于挖掘输入数据间的非线性关系。数值模拟器将特征挖掘器提取的特征信息间的非线性关系拟合为土壤湿度。其中,将从高分三号微波遥感影像中提取的后向散射系数、极化比,从Landsat8光学遥感影像中提取的增强型植被指数和归一化植被指数作为模型的输入值,将从地面观测站点获取的观测土壤湿度值作为模型的输出值。（3）本文选择深度置信网络模型、线性回归模型和随机森林模型作为对比模型与本文搭建的SMNET模型进行对比。并用同一组数据集对SMNET模型、深度置信网络模型、线性回归模型及随机森林模型进行训练及测试。实验结果表明SMNET模型的反演精度达到92.3%,高于三个对比模型的反演精度。本文基于高分三号微波遥感影像、Landsat8光学遥感影像和地面观测数据,搭建SMNET模型进行反演土壤湿度的研究,提高了反演土壤湿度的精度,满足了获取时空分辨率与数值精度高的土壤湿度数据的需求。同时,使用国产高分三号卫星数据还减少了对国外数据的依赖,降低了大范围监测土壤湿度的成本,对提高国产卫星应用水平具有重要意义。