土壤水分是水文循环、生态环境、气候变化等研究中的关键参数,土壤水分在空间分布上具有异质性,被动微波土壤水分产品虽具有较高的时间分辨率和反演精度,但不足以表达土壤水分空间分布的异质性,限制了其在流域尺度进行土壤水分分析中的应用。因此发展高分辨率的土壤水分反演方法具有重要的意义。近年来以Sentinel-1为代表的雷达卫星提供了高分辨率、长时间序列的地表后向散射信息,但雷达信号与地表相互作用复杂,特别是高分辨率下地表粗糙度对后向散射的影响更加明显,限制着高分辨率土壤水分反演方法的发展。变化检测方法假设在观测周期内土壤粗糙度不变,通过建立后向散射变化与土壤水分变化的关系进行反演,在高分辨率土壤水分反演中展现出巨大的潜力。本文基于Oh经验模型模拟了后向散射对土壤水分的响应关系,提出一种改进的变化检测方法。在改进的变化检测方法中将后向散射对土壤水分的响应关系描述为对数形式,以此构建地表土壤水分的协同反演模型,即裸土条件下地表土壤水分的变化检测方法。针对植被覆盖地表,提出基于归一化植被指数（Normalized Differential Vegetation Index,NDVI）的植被影响校正经验方法。提出在观测周期内,传感器接收到的后向散射最大变化量与相对于裸土条件下的后向散射最大变化量并不一一对应。实现了青藏高原多年冻土区（五道梁）100米空间分辨率的土壤水分反演。通过与地面实测站点、SMAP（Soil Moisture Active Passive,SMAP）产品验证对比,得出如下结论:（1）基于对数关系假设的变化检测方法反演精度优于线性关系本文分别基于两种响应关系在五道梁地区开展土壤水分反演方法验证。实测干湿参考值下,分别基于对数关系和线性关系进行土壤水分反演,相关系数R为0.920和0.904,均方根误差RMSE为0.0478)~3/8)~3和0.0628)~3/8)~3。拟合干湿参考值下,对数关系和线性关系反演土壤水分的相关系数R为0.898和0.885,均方根误差RMSE为0.0528)~3/8)~3和0.0658)~3/8)~3。本文提出的基于对数关系的土壤水分反演精度在拟合干湿参考值和真实干湿参考值下均优于基于线性关系的反演精度。（2）考虑植被物候影响的变化检测方法在植被覆盖地区具有较好的适用性在植被覆盖地表,后向散射的变化不仅与土壤水分的变化有关,还受到植被的影响,该影响与植被物候状态有关。本文计算每个像元不同时期的NDVI代表该时期植被的物候状态,建立不同NDVI对后向散射变化的经验关系,根据经验关系校正植被的影响进而反演土壤水分。在地表覆盖为高原草甸的7、8号站点,反演结果与地面观测数据相关系数R均大于0.9,均方根误差RMSE分别为0.0738)~3/8)~3和0.0608)~3/8)~3。表明本文提出的植被校正方法具有良好的适用性。（3）VV极化下土壤水分的反演精度优于VH极化基于本文提出的变化检测方法,利用实测干湿参考值,分别利用VV极化和VH极化开展土壤水分反演,VV极化下相关系数R=0.898,均方根误差RMSE=0.0528)~3/8)~3,VH极化下相关系数R=0.717,均方根误差RMSE=0.0898)~3/8)~3,结果证明VV极化下土壤水分的反演精度优于VH极化。（4）改进的变化检测方法可进行高分辨率土壤水分制图本文反演的100米分辨率土壤水分空间分布异质性明显,同时与SMAP 9km产品相关性较好（R=0.898,RMSE=0.049m~3/m~3）,且表达土壤水分空间异质性方面优于SMAP 9km产品。与SMAP 3km土壤水分产品对比中发现SMAP 3km产品中雷达数据升轨与降轨的差异对最终土壤水分产品的精度影响较大,考虑与本地入射角差异有关。结果表明本文提出的变化检测方法在进行高分辨率土壤水分反演及时空分布分析方面具有良好的适用性。