土壤水分是全球陆地生态系统、水循环和能量循环的重要组成部分，是控制陆地与大气间水热能量交换的关键参数。土壤水分在全球变化、水文气象以及农业相关的学科研究中有重要的作用。因此，如何快速获取高精度、大范围的地表土壤水分以满足应用的需求已经成为亟待解决的问题。　　 微波遥感被认为是目前监测地表土壤水分的最有效手段之一。但是，被动微波星载传感器的分辨率较低(40km)，获取的地表土壤水分无法满足水文气象、生态学和水资源管理等对时间、空间分辨率的要求。2008年2月2日美国航空航天局(NASA)正式宣布启动土壤水分主动被动监测计划SMAP(Soil Moisture Active Passive)。SMAP将同时搭载L波段的辐射计(1.41GHz)和雷达(1.26GHz)，主要科学目标之一就是结合主被动微波遥感反演土壤水分的优点，提供全球陆地区除冰雪覆盖区，冻土，山区，开放水域和植被含水量超过5kg/m2（空间平均）地区以外的平均3天间隔，空间分辨率为10km，误差不超过0.04cm3/cm3的地表5cm的土壤水分产品。本研究基于这一背景展开，重点解决单频率、单入射角下被动微波土壤水分反演时的粗糙度校正问题，完善发展主被动结合的中分辨率土壤水分反演算法。本文的主要内容概括如下:　　 1、针对SMAP的三种备选介电常数模型:Wang模型、Dobson模型和Mironov模型，基于国际土壤质地分类的十二种土壤类型，分析了模型之间的差异;讨论了选择不同介电常数模型以及土壤质地误差对土壤水分反演结果的影响;利用实验观测数据对三种介电常数模型进行了验证评价。结果表明，大多情况下，Dobson计算的介电常数值比其他模型高，Wang模型和Mironov模型模拟结果非常接近，但是随着土壤中砂土或粘土含量变大，模型之间的差异会变大。对于土壤水分反演结果，Wang模型和Mironov模型的差异较小，绝大多数情况下两种模型不会导致土壤水分差异超过0.04cm3/cm3;而Dobson模型与Wang模型或Mironov模型在多数情况土壤水分反演的结果的差异较大，有些情况甚至超过了0.1cm3/cm3。粘土含量的误差不会对Dobson模型的反演结果造成影响，而砂土含量的误差不会对Wang和Mironov模型的反演结果造成影响。从本文的实验数据分析，不同的介电常数模型适用于不同的土壤类型，在L波段下，Dobson模型较其他两种模型适用范围广。　　 2、针对SMAP被动微波辐射计单频率、固定角度观测的特点，基于Hp模型发展了L波段裸土土壤水分反演算法。该算法在对AIEM模拟数据库分析的基础上，利用双极化粗糙度参数之间的关系，通过辐射计的双极化观测数据直接消除地表粗糙度的影响，实现土壤水分反演。利用AIEM模拟数据、BARC裸土实验数据、SMEX02植被覆盖区实验数据以及SMOS卫星数据对算法进行验证。结果表明新发展的算法无论在裸土地区还是植被覆盖地区都具有较好的精度，反演精度非常接近SMAP0.04cm3/cm3的精度要求。　　 3、在对SMAP中分辨率土壤水分反演算法分析的基础上，发展了基于谱分析方法的主被动结合中分辨率土壤水分反演算法。首先利用谱分析方法结合雷达观测将低分辨率的亮温降尺度到中分辨率，然后利用本文发展的被动微波土壤水分算法反演中分辨率土壤水分。利用美国SMEX02试验中的PALS机载实验数据对算法进行验证。结果表明新发展的方法反演土壤水分结果精度较好，与原始观测值反演结果具有很好的一致性。