土壤含水量作为地球表面的重要参数之一，对地球的能量循环、水循环、碳循环和生态环境具有重要意义。以南京市金川河盆地为研究区域，融合了哨兵2号L2A数据和Landsat8号遥感数据，分别采用偏最小二乘法（PLSR）、最小二乘法支持向量机（LSSVM）、反向传播神经网络（BPNN）和随机森林（RF）四种建模方法，建立了遥感数据与土壤含水量的关系，并对模型进行了验证和评价。结果表明：1）土壤含水量与哨兵2号和Landsat8号的反射率呈负相关，与海岸带监测波段（430~450nm）和近红外波段（2100~2300nm）的相关性最好。2） 与单一遥感数据源相比，融合后的遥感数据具有更好的土壤含水量预测能力，最优模型R~2为0.996，在四种建模方法中，PLSR、RF、最小二乘支持向量机和BPNN是最好的到最差的。结合现有的sentinel 2土壤水分反演方法，Landsatsentinel 8土壤水分反演的精度可以大大提高。