土壤水分是地球生态系统的重要指标,是水文、气象、生态、农业等科学领域的关键参数,是植被赖以生存的基本条件,实时掌握农田土壤水分信息对于田间施肥灌溉管理具有重要的指导意义。遥感技术具有大范围快速观测的优势,多源遥感数据为不同尺度范围的土壤水分动态监测提供了更多的数据支持。然而,如何有效利用已有的遥感数据与土壤水分反演模型,是目前有待解决的关键问题。光学遥感数据易受天气和环境等因素的影响,导致在数据获取方面存在一定的困难,另一方面,光学遥感数据不适用于高植被覆盖区的土壤水分反演;微波遥感数据具有全天时全天候的特点以及穿透性强的优势,但微波植被散射模型通常比较复杂,在输入参数获取方面存在一定的困难。本文围绕光学与微波遥感数据开展不同植被覆盖条件下的农田土壤水分反演方法研究,主要工作和成果包括以下几个方面:　　第一,发展了适合低植被覆盖农田土壤水分反演的土壤湿度角度指数。分析地面观测站点对应的像元在Red-Nir光谱特征空间的分布情况,发现土壤湿度高的像元分布在特征空间下方,并且提出了独立于植被条件的反映土壤湿度的指标因子,构建了土壤湿度角度指数。计算每个像元的土壤湿度角度指数,指数越大含水量越低,指数越小含水量越高,经地面测量数据验证表明了该方法的适用性和精度。　　第二,发展了土壤等湿度线方法反演植被覆盖区农田土壤含水量。利用PROSAIL模型模拟植被冠层反射率,将模拟结果在Red-Nir光谱特征空间表示,分析发现具有相同土壤含水量的点近似落在一条幂函数曲线上,因此构建了幂函数土壤等湿度线模型,并基于查找表方法计算土壤反射率,实现去除植被影响的目的。然后,分析了土壤等湿度线方法的适用范围,利用地面测量数据验证了土壤等湿度线方法的合理性和有效性。　　第三,研究不同雷达入射角后向散射系数与土壤含水量和地表粗糙度的响应关系。利用AIEM模型模拟裸土地表后向散射系数,根据不同入射角后向散射系数差主要受到入射角与粗糙度的影响,而不因土壤含水量的不同而变化的特性,建立不同入射角后向散射系数差与地表粗糙度的函数关系式,并结合有效粗糙度概念,求解地表粗糙度。　　第四,利用叶面积指数LAI对水-云模型进行初步改进,实现光学与微波融合的农田土壤水分反演。利用MIMICS模型计算植被二次散射项,分析发现二次散射项与LAI×COS(0)(0是入射角)呈明显指数关系式,将该指数关系式引入水.云模型,改进了水.云模型未考虑二次散射的不足之处,提高了水.云模型的精度。