GNSS-R（Global Navigation Satellite System-Reflectometry）作为一种新的遥感反演技术已经应用在洋面风速反演、海洋测高、海冰探测以及土壤水分监测等多个遥感领域,随着CYGNSS（Cyclone Global Navigation Satellite System）任务的成功开启,星载GNSS-R技术开始进入一个快速发展的时期。土壤水分对全球水循环和能量交换过程有着相当重要的影响,同时也是预报各类极端天气灾害的重要指标之一,因此如何利用星载GNSS-R技术探测全球土壤水分是实际应用中的重点工作,本文以CYGNSS观测区域全球南北纬38°之间为研究区,结合CYGNSS数据和SMAP（Soil Moisture Active/Passive）数据对星载GNSS-R技术反演土壤水分理论和方法进行了研究探索,主要开展了以下内容:（1）开展星载GNSS-R基础理论的研究,给出星载GNSS-R反演土壤水分的理论基础,包括GNSS信号反射特征、几何结构、以及闪耀区和二维时延-多普勒相关功率图的研究,在此基础上分析了星载GNSS反射信号功率模型。（2）开展星载GNSS-R反演土壤水分方法的研究,首先介绍了本文土壤水分反演过程的基本流程,并分析了随机森林算法构建星载GNSS-R反演土壤水分模型有关的特征参数,以2017年3月至2019年3月两年整的CYGNSS数据和SMAP产品土壤水分构建机器学习算法模型。（3）对反演结果展开具体分析和地面直接观测数据验证,确定了最佳特征输入参数为峰值功率点地表反射率、GNSS信号入射角、前沿斜率、后延斜率、峰值功率反射点与镜面反射点时延差值、和辅助特征参数植被光学厚度、地表粗糙度和土壤孔隙。2018年3月至2019年3月反演的CYGNSS土壤水分与SMAP产品的相关系数达到0.842,均方根误差为0.056 cm³cm^-3。基于不同下垫面植被覆盖类型分析模型反演能力的差异,对比结果表明在裸土下反演效果最好,相关系数0.811,均方根误差为0.039 cm³cm^-3,同时研究分析了季节性植被变化对反演结果的影响,最后利用SCAN地面站点的实测数据对CYGNSS预测的土壤水分进行了地面验证,CYGNSS土壤水分与所选地面站直接观测土壤水分之间相关系数在0.58-0.64之间,均方根误差最高为0.054 cm³cm^-3。