土壤水分作为联系地表水和地下水的纽带,影响着区域范围到全球范围的地表能量收支和水循环。除此之外,土壤水分在农业系统中起到关键作用,它通过影响植被根部的水分和养分吸收等,进一步影响农作物的生长。因此监测土壤水分的时空动态分布,对土壤墒情监测、农作物估产等方面具有重要意义。当前获取的土壤水分难以兼顾高空间分辨率和时空连续两大特征,使得一些精细化农业管理和大范围的旱涝灾害监测等研究受到了限制。此外,我国幅员辽阔,地理环境十分复杂,在气候上显示出显著的区域异质性,然而大多数研究仅仅针对我国某一区域,无法满足不同区域、不同尺度下水文模型研究的需要。因此,获取中国区域高空间分辨率且时空连续的土壤水分成为当前研究的重点和难点。本文提出了一种基于再分析数据和全天候地表温度协同估算土壤水分的方法,以生成中国区域时空连续的日尺度/1公里的土壤水分。在本文中,首先由空间分辨率为0.1°的ERA5-Land地表温度产品得到昼夜温差数据;然后在四种土地覆盖类型（森林、耕地、草地和裸土）和不同植被密度（稀疏、中等和稠密）两个条件下将昼夜温差数据与ERA5-Land土壤水分建立线性关系;之后将这些线性关系应用到全天候1公里空间分辨率的地表温度上,从而生成2019年初始日尺度/1公里土壤水分。此外,本文假设一个粗分辨率微波像元的土壤水分值与其所包含的1公里分辨率像元的土壤水分平均值之间没有偏差,随后用两种主被动微波融合的土壤水分产品校正初始土壤水分数据。最后,利用不同气候区的地面实测值对估测的日尺度/1公里土壤水分数据进行评估。结果显示:（1）微波数据校正后的土壤水分精度高于初始土壤水分数据;（2）在不同的气候区,SMOPS校正的土壤水分数据表现优于或与CCI校正的土壤水分数据相当,无偏均方根误差（ub RMSE）约为0.05 m~3/m~3,获得了较高的精度。这不仅具有高空间分辨率和全天候两大特点,而且几乎满足大多数实际应用对估测的土壤水分的要求（ub RMSE为0.04m~3/m~3）。