土壤湿度是地球水循环系统中一个重要的参数,准确估计土壤湿度初始状态对数值天气预报及气候预测也非常重要。数据同化方法是获得高精度时空连续土壤湿度的一个重要方法。在直接同化中,将亮温观测同化到陆面模型中一个重要的先决条件是要求亮温观测结果与辐射传输模型模拟亮温之间是无偏的。全球范围内通过辐射传输模型正向模拟无偏亮温往往是十分复杂与困难的,其中一个原因是辐射传输模型在局地实验估计的参数并不总是适合模拟星载辐射计的亮温观测。辐射传输模型的不确定性也影响模拟大气层顶亮温以及从卫星观测亮温中反演土壤湿度信息。针对这些问题,本文采用CMEM辐射传输模型,对优选辐射传输模型参数化方案、优化辐射传输模型参数以及量化参数不确定性进行了深入研究:首先,选取出模拟全球亮温最优的CMEM参数化方案。采用SMAP观测亮温以及相关系数、归一化中心均方根误差、平均偏差以及标准差比率等统计指标比较分析了CMEM模型不同参数化方案组合模拟的亮温,分析了CMEM模型各个模块对SMAP亮温模拟的敏感性,找出了在全球尺度上模拟亮温最优的CMEM模型参数化方案。实验结果表明:CMEM模型的粗糙度模块相比于植被光学厚度模块、土壤介电模块而言对模拟SMAP更敏感,主要体现在CMEM模拟SMAP亮温的性能随粗糙度模块采用不同参数化而不同;CMEM模型模拟SMAP亮温的能力具有明显的季节性变化,水平极化下在4~10月的模拟性能要高于11月~次年3月的模拟性能;CMEM模型在垂直极化下模拟的亮温与水平极化下模拟的亮温相比有较高的相关系数,较低的归一化中心均方根差异,更接近0的平均偏差以及更接近1的标准差比率;粗糙度模块采用Wsimple参数化,土壤介电模块采用Wang参数化、植被光学厚度模块采用Jackson参数化的CMEM模型在全球模拟SMAP亮温结果最优。然后,进行了CMEM参数率定的相关研究。采用SCE-UA算法,通过在垂直极化升轨、垂直极化降轨、水平极化升轨与水平极化降轨下减小CMEM模拟亮温与SMAP观测亮温的长期偏差与长期标准差差异来对参数进行率定。从参数优化前后模型模拟的亮温、优化的参数值、参数优化前后模型对土壤湿度的敏感性以及SCE算法的优化性能等方面对参数率定研究进行了分析。实验结果表明:与参数率定前相比,参数率定后,CMEM模拟与SMAP亮温间长期平均偏差以及长期标准差差异均得到了减小;参数率定后,CMEM模拟与SMAP观测亮温之间仍存在偏差的残差以及标准差差异的残差,但这些残差应是与参数无关,这些残差体现了模型结构简化、驱动数据不准确、观测亮温中存在的误差所带来的影响;率定后参数意义更加广泛,率定后的有效参数值不仅减小了参数中存在的误差,同时还补偿了由CMEM模型结构简化、驱动数据不准确以及SMAP观测亮温中存在的误差带来的残差;率定后的参数提高了CMEM模型模拟亮温对土壤湿度的敏感性。最后,进行了量化CMEM参数不确定性的相关研究。采用贝叶斯推理与MCMC模拟方法,通过减小CMEM模型模拟亮温与SMAP观测亮温在升轨、降轨与水平极化、垂直极化下长期均值与标准差之间的差异来估计CMEM参数,从参数后验分布中估计参数的不确定性。采用两种方案进行参数估计:方案1只估计参数,方案2同时估计参数与模型偏差残差的标准差以及标准差残差的标准差。对比了方案1与方案2估计参数值的异同,计算了估计参数模拟亮温残差的标准差。实验结果表明:植被结构参数具有较大的不确定性,其不确定性均值达到了最大后验概率参数值的62%,粗糙度参数的不确定性达到了最大后验概率参数值的25%,植被单次散射反照率具有最低的不确定性,其不确定性只有最大后验概率参数值的5%;方案1与方案2得到的参数在数值大小以及空间分布上相似;方案2估计的参数不确定性较大;最大后验概率参数模拟亮温的残差标准差要小于估计的残差标准差。