土壤湿度是地球气候系统中的核心变量之一,是土壤生态系统物质与能量循环的关键环节,同时也是陆地植被的主要环境控制因素之一。由于土壤湿度的空间异质性较大,很难直接通过观测获取时空连续的数据。遥感反演与模式模拟是目前获取大尺度时空连续土壤湿度数据的主要手段,并且处于快速发展之中,相关数据的验证与分析工作正有序开展。与此同时,半干旱地区的植被生长主要受到水分条件限制,植被对土壤湿度的响应过程有着高度耦合的时空特征。土壤湿度与遥感植被指数数据可被用来研究生态水文过程,同时植被的时空特征也能间接用于检验土壤湿度数据集的有效性。站点观测与土壤湿度产品验证之间存在尺度不匹配的问题,植被响应信号也提供了一个在区域尺度与多源土壤湿度数据进行直接交叉比较的手段。本研究选择澳大利亚作为研究区,该地区以干旱和半干旱气候为主,土壤湿度数据与植被指数数据均具有较高的数据质量,同时植被对土壤湿度变化十分敏感,是典型的生态水文过程研究区。本论文将从以下三个方面研究澳大利亚土壤湿度的时空变化特征以及植被对土壤湿度变化的响应过程:1)对基于再分析（ERA5-Land）、陆面模式（GLDAS NOAH/CLSM,GLEAM v3.5a/v3.5b）和遥感反演（ESA CCI）的三类主要土壤湿度数据集进行比较和验证,对表层土壤湿度记忆性进行分析;2)研究植被含水量对表层土壤湿度响应的过程、时滞性和敏感性,分析地形、土壤类型等对前述响应的影响;3)土壤湿度对植被影响的案例分析,选择了艾尔湖流域北部的侧向流接收区探讨地形引起的土壤湿度再分配现象以及模式模拟土壤湿度的不足。主要结论有:（1）各土壤湿度数据均与站点观测数据具有较高的相关系数。区域平均土壤湿度年际变化较大,在干旱期（2002-2010年、2013-2016年）和湿润期（2011-2012年）之间存在波动。土壤湿度空间格局总体一致,但在艾尔湖流域北部的侧向流接收区差异较大。土壤湿度数据集的变异系数总体上由西北向东南递减,但植被指数的变异系数在西南、东北（非沿海地区）和前述侧向流接收区域较大。不同的土壤湿度数据集计算得到的土壤湿度记忆性与站点观测记忆性结果相比有很大的差异。与此同时,不同表层土壤湿度数据记忆性结果的一致性较差,深层土壤湿度记忆性被明显高估。因此,记忆性指标在土壤湿度数据研发中亟待改进。（2）研究区植被对土壤湿度变化响应具有典型的时间尺度特性。整体上植被对土壤湿度的响应时滞特征尺度在10-20天。然而,在所选侧向流接收区域存在40-90天的较高响应时滞。植被对土壤湿度变化最为敏感的区域主要为澳大利亚西南海岸、墨累-达令和艾尔湖盆地三个流域。光学和微波遥感植被指数在长时间序列上相关性较好,但基于光学植被指数计算得到的植被对土壤湿度变化响应振幅相比微波植被指数更大。（3）选择2019年发生在澳大利亚北方的强降水事件进行典型案例分析。艾尔湖流域北部地区出现了大规模的表层水体侧向流动。遥感和模拟土壤湿度都出现了正距平信号,但是其时空形态差异显著。结合植被指数的距平时空分布信息可以看出,只有基于遥感的土壤湿度数据能够很好地匹配和反映艾尔湖流域北部的侧向流接收区域植被的时空格局演变。地表土壤侧向水流会在大范围内重新分配水分,造成土壤湿度变化空间上与降水范围产生差异,而这种差异往往在模式中难以体现。因此,再分析和陆面模式仍需改进在存在大范围横向壤中流区域的土壤湿度估算。