La humedad del suelo superficial (SSM) refleja los estados secos y húmedos del suelo. La tecnología de teledetección por microondas puede obtener con precisión la SSM regional en tiempo real y mejorar efectivamente el nivel de monitoreo de sequías agrícolas, lo que es de gran importancia para el riego de precisión agrícola y la construcción de agricultura inteligente. Basado en imágenes de Sentinel-1, Sentinel-2 y Landsat-8, se eliminó el efecto de la vegetación mediante el modelo de nube de agua (WCM), y la SSM fue recuperada y validada por un modelo de red neuronal de función de base radial (RBF) en áreas de suelo desnudo y vegetadas, respectivamente. El índice de vegetación de diferencia normalizada (NDVI) calculado por Landsat-8 (NDVI_Landsat-8) tuvo un mejor efecto en la eliminación de la influencia de la capa de vegetación que el NDVI_Sentinel-2. El modelo de red RBF, establecido en un área desnuda (R = 0.796; RMSE = 0.029 cm/cm), y el modelo de red neuronal RBF, establecido en áreas vegetadas (R = 0.855; RMSE = 0.024 cm/cm), tienen mejores efectos de simulación sobre la SSM que un modelo de inversión de SSM lineal con polarización única. La introducción de parámetros superficiales al modelo de red neuronal RBF puede mejorar la precisión del modelo y lograr la inversión de SSM de alta precisión en el área de estudio.