土壤水分是气候变化、农林业可持续发展、水资源管理以及自然灾害监测等应用中的关键参数之一,因此获取区域范围、时空域连续的土壤水分数据具有重要意义。而传统基于站点的土壤水分监测方法很难获取宏观范围的土壤水分空间分布,随着遥感技术的发展,微波遥感因与土壤水分具有较强的物理联系、能穿透一定深度的土层,且实现了全天时、全天候工作,成为了遥感技术监测土壤水分的主要方法。目前大多遥感土壤水分产品也主要是由被动微波遥感观测数据反演而来,但是,这些被动微波土壤水分产品的空间分辨率很低(几千米到几十千米不等),这在很大程度上限制了遥感土壤水分产品的应用。被动微波土壤水分空间降尺度是提高被动微波土壤水分产品空间分辨率的有效手段,近年来业已成为遥感领域的研究热点之一。但是目前的大多降尺度研究中并没有适用性较强的土壤水分关系模型,同时也较少关注土壤水分关系模型中的残差,这使降尺度结果中像元值域和对应的原始粗分辨率土壤水分数据不能保持一致。而且,辅助数据的中云雾影响也会使得降尺度结果中的空间连续性不完整。基于此,本文在伊比利亚半岛地区,耦合1 km的MODIS(Moderate Resolution Imaging Spectroradiometer)地表产品(地表温度和归一化植被指数),建立基于值域一致性的被动微波土壤水分空间降尺度模型,实现了36 km的SMAP(Soil Moisture Active Passive)被动微波土壤水分到1 km空间分辨率的尺度转换。进而使用站点实测土壤水分数据和机载被动微波土壤水分数据对降尺度结果进行了验证和评估。最后,基于重建的地表温度数据,构建了时空域连续的被动微波土壤水分降尺度模型,并生产了1 km的时空域连续的土壤水分数据集。本文的主要结论如下:(1)地表温度和归一化植被指数两个地表参数与SMAP土壤水分之间相关性较高,且能够与土壤水分之间产生较好的拟合关系。在局部窗口的线性拟合中,地表温度和归一化植被指数对SMAP土壤水分的局部拟合相关性的年平均值和年标准差分别为0.88和0.02。因此,本文选择MODIS(Moderate Resolution Imaging Spectroradiometer)地表温度(8天,1 km)和MODIS归一化植被指数(16天,1 km)作为SMAP被动微波土壤水分降尺度研究中的辅助数据。(2)本文构建的被动微波土壤水分降尺度模型能够实现降尺度结果中土壤水分值域与SMAP土壤水分相应像元的值域保持一致性。降尺度土壤水分在网络尺度的验证中,与站点实测数据之间的R和RMSE分别为0.87和0.045m3/m3;而在站点尺度的验证中,各站点R、RMSE和ub RMSE的平均值分别为0.79、0.085 m3/m3和0.043 m3/m3。两个尺度的验证结果均表明了降尺度土壤水分具有较好的精度水平。(3)机载土壤水分SMAP土壤水分之间存在一定偏差,这种偏差主要受到空间尺度、观测配置、反演算法参数设置和选用的辅助数据等因素的影响。而机载被动微波土壤水分对构建的降尺度模型进行的不确定分析表明,本文构建的土壤水分关系模型能够较好的表达土壤水分和辅助数据之间的关系,通过增加辅助数据或是改变土壤水分关系模型中的数学模型并不能有效增加降尺度土壤水分的精度。(4)使用地表温度年周期(ATC)模型成功对MODIS云雾覆盖像元的地表温度重建,并基于重建结果建立了时空域连续的土壤水分降尺度模型,获得2016-2018年1 km、逐日分辨率的土壤水分数据集。降尺度土壤水分与站点实测土壤水分之间的ub RMSE为0.039 m3/m3,达到了SMAP土壤水分产品的目标精度(ub RMSE=0.04 m3/m3),表明了降尺度土壤水分具有较好的精度水平。利用累计分布函数(CDF)匹配方法将降尺度土壤水分的CDF匹配到站点实测土壤水分的CDF后,降尺度土壤水分与站点实测土壤水分在时间上的变化更加接近,表明降尺度土壤水分在时间变化同样上具有可靠的精度。