植被指数（NDVI）的反演:土壤水分（土壤水分测定仪）遥感反演的过程中，NDVI 是的因子之一，NDVI是单位像元内的植被类型、覆盖形态、生长状况等的综合反映，其大小取决于植被覆盖度和叶面积指数等要素；NDVI对植被覆盖度的检测幅度较宽，有较好的时间和空间适应性。
      对于上面所述后期研究表明，在低植被覆盖的区域，NDVI 受土壤背景的影响较大，在高植被覆盖的区域，NDVI 值会出现饱和现象，NDVI饱和后，如果地表蒸散继续增加，NDVI也无法反映地表干湿状况，此时 RVI 值增加的速度高于 NDVI增加速度，即 RVI 对高植被区具有较高的灵敏度，可以有效去除土壤背景的影响，同时也增强了在高植被覆盖区域的敏感性，因此，可以考虑在适当情况下用 RVI 代替 NDVI。许国鹏提出了改进的植被指数（MTVDI），MTVDI可以增加植被信息的动态范围，较好地降低土壤背景对植被指数的影响，有利于更客观地进行对土壤水分的监测与评估。研究发现，只有水分胁迫严重阻碍作物生长时，才会引起植被指数的明显变化；崔林丽等研究发现，中国东部植被指数对土壤水分变化的响应大约滞后 3 旬左右。由于不同的植被类型造成了植被指数的内部差异，相同的 NDVI 还需要结合土壤类型以及不同作物、不同生育期进行区别对待。
      地表温度的反演：从遥感方法监测区域土壤水分的方法中可以看到，地表温度除了作为一个主要参数外，同时其他许多参数都可以转 化为地表温度的函数，因此，遥感监测土壤水分的精度很大程度上取决于地表温度的反演精度。目前，遥感用于海洋表面温度的反演已经取得了成功，用于陆地表面温度的反演研究也很多。从 20 世纪 60 年代初期到现在，出现的表面温度反演算法可以归纳为4 种：单通道法、多通道法、单通道多角度法和多通道多角度算法。目前，基于劈窗技术的多通道算法应用，其精度在 1～2 K 之间。
      目前用于地表温度反演的算法还是建立在同温均匀像元的假设基础之上，将混合像元作为整体来反演的地表温度也只是缺少物理意义的平均温度，而真正具有物理意义的混合像元组分温度才是遥感所要反演的。随着热红外遥感数据反演方法的进一步改进和*，地表温度的反演精度有望得到进一步提高。同时，以地表温度为水分胁迫指标的监测方法虽然具有较高的时效性，但和温度获取有一定的困难，且获取的温度信息必然受植被覆盖的影响，如何消除植被对温度的影响仍需进一步深入研究。