选取新疆阜康绿洲小块农田为研究对象, 基于无人机 (Unmanned aerial vehicle, UAV) 平台搭载的高光谱传感器获取的影像数据, 采用Savitzky-Golay (SG) 平滑后的一阶微分 (First derivative, FD) 、吸光度 (Absorbance, Abs) 、连续统去除 (Continuum removal, CR) 3种不同预处理方法, 获取了SG、SG-FD、CR、Abs及Abs-FD共计5种预处理后的高光谱影像, 探索不同预处理下的差值指数 (Difference index, DI) 、比值指数 (Ratio index, RI) 、归一化指数 (Normalization index, NDI) 及垂直植被指数 (Perpendicular vegetation index, PVI) 与土壤含水率 (Soil moisture content, SMC) 的关系, 在遴选出最优指数及预处理方案的基础上, 构建干旱区绿洲农田SMC高光谱定量估算模型。结果表明:预处理在不同程度上提高了光谱指数与SMC的相关性, 其中基于Abs预处理的PVI (R644, R651) 表现最优, 相关系数为0. 788, 据此构建的三次拟合函数表现最优。基于不同预处理方案下, 多变量SMC估算模型在消噪的基础上更深入地挖掘了光谱信息, 减少了单一光谱指数造成的误差, 提升了模型的定量估测效果。Abs模型预测精度亦最为突出, 其建模集R2c和RMSE为0. 84、2. 16%, 验证集R2p与RMSE为0. 91、1. 71%, RPD为2. 41。本研究构建的SMC估算模型减少了单一变量模型的误差, 在规避过拟合现象的同时, 提升了模型的定量估测效果, 为土壤含水率状况天地空一体化遥感监测提供了参考方案。