土壤水分在水循环中扮演着重要的角色，确定土壤湿度是对地遥感的最主要任务之一。除了具有空间性、重复性外，相对于光学遥感而言，微波遥感不受天气状况的影响，并且具有一定的穿透性，所以用微波遥感提取土壤湿度越来越受到人们的重视，并进行了大量的研究。 植被是影响土壤湿度微波遥感的主要因子之一，土壤湿度微波遥感的主要任务是建立含有地表土壤信息的植被散射模型。植被散射模型的建立可以加深我们对植被和土壤散射机理的理解，定量分析微波后向散射系数对于各散射因子的敏感性，进一步达到从微波信息中反演土壤湿度的目的。植被散射模型可以分为经验模型、理论模型和半经验模型，各种模型都具有自身的优势和局限性。经验模型的建立比较简单，但一般只适用丁特定的研究条件；理论模型是建立在一定的理论基础之上，对于散射因子的考虑相对详尽，但一般模型比较复杂，反演相对困难；半经验模型是前两者的折中，它以植被的宏观物理参量为模型参数，模型的建立和反演比理论模型要简单，但同时也具有一定的理论依据，适用性也较经验模型广。了解这些模型的特点和最新进展可以为我们在特定的研究条件下选择适合的散射模型提供帮助。 建立在森林树木散射机理上的MIMICS模型通过改变其模型结构，用来研究冬小麦的散射特性，并详尽地考虑小麦叶、茎和地表十壤三种散射因子。通过和实测数据的比较，改变后的MIMICS模型能够较好的预测同极化条件下冬小麦随入射角的后向散射变化。通过模型 结果可以看出，在冬小麦不同的散射机理成分中，冠层直接散射和地表散射在总散射中的贡献最大，当入射角变大时（＞30°），地表散射迅速降低。 尽管理论模型可以详尽地考虑散射过程中各种植被散射因子和下层土壤湿度的作用和贡献，加深我们对微波散射过程的机理的理解，更好的掌握植被对土壤湿度微波遥感的影响。但理论模型建立的过程比较复杂，而且更为重要的是不能够反演。所以，我们在获取了微波和光学数据之后，建立一个微波和光学数据相融合的经验模型来提取土壤湿度，虽然只是初步的研究，但也是多源数据融合研究土壤湿度方法的一种尝试。