土壤水分是影响全球水循环和全球能量平衡的一个关键状态参数，它在地表能量交换、气候的动态变化中发挥重要的作用。大尺度范围内的土壤水分监测对于气候变化预测、洪涝监测及农作物产量估测意义重大。传统基于点的土壤水分测量方法，很难实现在大尺度上的测量，而且费时耗力。光学遥感由于受云层、气溶胶、太阳照射条件及植被覆盖等因素的限制，测量的精度非常有限。微波遥感以其全天时、全天候、对地表有一定穿透性等独特的优势，成为目前土壤水分监测的一种最为有效的方法。研究主要包括基于雷达数据的玉米地土壤水分研究及基于车载辐射计数据的农作物辐射特征研究两个方面的内容。下面分别进行归结：在主动微波遥感中，雷达的后向散射系数与土壤的介电常数两者之间存在一定的相关性，且土壤的介电常数又对土壤水分的变化响应明显，这就是主动微波反演土壤水分的研究基础。但是由于雷达与地表的相互作用的复杂性，雷达信号还受到地表粗糙度、仪器参数、植被覆盖等因子的影响。研究表明，与土壤水分一样，雷达对植被层信息同样敏感。因此，在植被覆盖地表反演土壤水分时，去除植被散射的影响是必要的。研究利用GIMICS改进后的一阶微波相干散射模型及AIEM模型对玉米地的后向散射特征进行模拟，从裸土后向散射与玉米地总的后向散射数值计算（比值和残差）的角度出发，探索它们与植被参量的相关性。同时，分析了后向散射特征与植被参量之间的变化关系。最终，选用6月19日及8月21日两天的测量数据，成功建立裸露地表后向散射与植被总后向散射的比值与植被含水量的半经验模型。当输入参量与输出参量的关系未知时，神经网络算法往往成为首选。研究基于AIEM模型建立的模拟数据库，将相关长度（l）、均方根高度（s）及HH极化的后向散射系数（0）作为神经网络的输入向量，土壤水分作为输出向量，建立了具有三层拓扑关系的神经网络。最终反演得到土壤水分。通过与实测的土壤水分数据对比，反演精度为R2=0.6050，RMSE=0.00298。另外，研究还对2009年河北省保定市地区的小麦实测数据进行了处理及分析，并利用AIEM理论模型及回归分析和神经网络的方法对小麦前期的地表土壤水分反演。结果表明，神经网络方法的反演结果优于回归分析的反演结果。