土壤湿度是陆地表面水循环过程的关键参数,准确及时地获取区域时空连续的土壤湿度信息能更好地理解地表与大气之间能量与水分的交换过程,高时空分辨率的土壤湿度遥感反演为干旱洪涝灾害预警、气候预测、精准农业生产与灌溉管理提供数据基础,特别是位于干旱半干旱地区的黄土高原。目前应用光学热红外遥感数据在小区域尺度土壤湿度监测研究中建立了众多反演模型,但单独使用某一种模型进行土壤湿度的反演忽略了反演模型的适用范围且精度较低,也不适用于大尺度研究区土壤湿度遥感监测。本文针对获取大尺度区域较高时空分辨率土壤湿度数据的实际需要,首先在对温度植被干旱指数（TVDI）模型改进的基础上,提出了基于表观热惯量（ATI）和改进TVDI模型阈值优化的土壤湿度反演方法。然后,利用MODIS数据和土壤湿度站点观测数据为数据源,应用该方法反演了黄土高原2017年每8天500m×500m的土壤湿度,在此基础上,按照逐像元平均法合成黄土高原2017年月、季和年度土壤湿度。为了进一步提高土壤湿度覆盖度,并探究研究区土壤湿度时空变化特征及影响土壤湿度变化的要素特征,以模型反演得到的2017年月、季和年度土壤湿度为目标变量,建立了黄土高原土壤湿度多要素模拟模型。最后,对比研究了模型反演和多要素模拟的土壤湿度。取得的主要成果与结论如下:（1）改进的TVDI模型提高了土壤湿度反演精度。改进的TVDI即舍弃传统NDVI-LST特征空间中干扰干湿边计算的散点,通过引入并优化参与干湿边拟合的最小NDVI值（阈值NDVI0）使NDVI-LST特征空间更接近理论边界。黄土高原2017年每8天的干湿边拟合结果显示,与每期最高的干湿边拟合决定系数相对应的NDVI0都大于0。在迭代循环NDVI0计算TVDI反演土壤湿度的基础上,各期最终选择的最优NDVI0不固定且呈无规律波动变化,只有极少期（3/43期）的最优NDVI0为0。与传统TVDI值的计算相较,应用最优NDVI0使TVDI更好地表征土壤湿度变化机理,进而提高了TVDI模型反演土壤湿度的精度。（2）基于ATI和改进TVDI模型阈值优化方法反演了黄土高原土壤湿度。考虑到ATI和TVDI模型的适用范围,本文提出并应用了基于ATI和改进TVDI模型阈值优化的方法反演了黄土高原土壤湿度。研究结果表明,与对整个研究区应用单一模型反演土壤湿度相比,应用ATI和改进TVDI模型反演的土壤湿度值和站点土壤湿度观测值相关性最高且差值最小。通过对比分析三个子区参与合成各期土壤湿度的频率和相关系数均值大小发现,联合ATI和改进TVDI模型即ATI/TVDI子区使用频率（40/45期）和准确率（（?）高达0.82±0.007）高于其他两个单独应用ATI模型或TVDI模型的子区,说明联合模型反演土壤湿度优势明显,比单一模型适用性更强精度更高。在优化选择NDVI阈值方面,十次十折交叉建模验证的结果为NDVI阈值优化提供参考,确保了最优NDVI阈值的有效性和可靠性,从而提高了土壤湿度反演的准确性。（3）基于模型反演的土壤湿度,建立了黄土高原土壤湿度反演的多要素模拟模型。通过整理MODIS、地形、土壤和气象等多源数据并提取了34个候选变量,经过逐步多元回归变量筛选后模拟并验证了黄土高原2017年土壤湿度结果显示,多要素回归模拟的土壤湿度能达到较高的准确率且覆盖率明显提升（除了1月和2月）。其中,黄土高原2017年12月多要素模拟的土壤湿度精度验证的相关系数高达0.969（均方根误差RMSE=0.761%）。根据各期建立的多要素模拟土壤湿度模型可知,在34个候选变量中,数值变量降水、夜间温度,类别变量壤土、海拔高度为0-500m和2000-2500m的区域是显著且持续影响土壤湿度变化的变量。（4）基于多要素模拟模型揭示了黄土高原土壤湿度时空变化特征。在时间尺度上,黄土高原2017年平均土壤湿度月际变化呈现两个由升到降的变化周期。第一个周期为1-7月,其中,1-4月不断上升,4月达到峰值（13.98%）,4-7月波动下降;第二个周期为7-12月,其中,土壤湿度均值于7和8月迅速上升,8月达到全年的峰值（高达18.61%）,8-12月波动下降。与降水在季节内分布的规律一致,黄土高原土壤湿度季节特征明显,夏季和秋季的平均土壤湿度全年最高约为13.81%。在空间尺度上,黄土高原2017年土壤湿度变化自东南向西北呈明显递减趋势,与年总降水量、年均空气湿度、年均蒸散发量、昼夜温差和土壤质地的空间分布规律一致。整体来看,黄土高原西部、南部和东南部区域4至8月（春季和秋季）较其他区域更为湿润,黄土高原西北部的毛乌素沙漠地区全年较干旱,而研究区南部区域土壤湿度值全年较高。该论文有图52幅,表28个,参考文献229篇。