尽管土壤中的水分在全球水系统中所占的比例很少,然而,土壤湿度在全球能量循环和水循环系统中仍然占据重要位置,它通过改变地表的反照率,影响地表和大气之间的水分和热量输送等影响气候。目前,一些遥感和实地测量技术已被用于土壤水分监测。然而,如何提高土壤水分反演的精确度,以及土壤水分观测的空间、时间分辨率仍然是现阶段研究的主要难题。本文主要研究了利用全球导航卫星（Global Navigation Satellite Systems,GNSS）的反射信号进行土壤湿度遥感的技术,这个观测系统又称为全球导航卫星反射计（Global Navigation Satellite Systems-Reflectometry,GNSS-R）。在过去20年中,GNSS-R遥感技术由于它独有的优势,得到了越来越多的关注。目前GNSS-R遥感研究主要集中在左旋圆极化反射信号随土壤湿度变化,对于观测角度的影响,右旋圆极化对土壤湿度的响应研究还很少,本文在地基和机载试验中,均加入了右旋圆极化反射信号的采集,并针对双极化的信号进行了模型反演研究。具体从以下几方面开展了研究:本研究在西班牙的SMOS地面验证站点Valencia Anchor Station设计了一次地基GNSS-R与ELBARA L波段微波辐射计的联合观测试验SOMOSTA（Soil Moisture Monitoring Station）。创新性提出利用左旋和右旋两种圆极化天线对导航卫星反射信号进行采集,并利用一个校准箱,实现了直射、反射通道的校准,校准系数K均值约为1.03,平均绝对偏差为0.091,通过校准有效消除了通道差异影响,提升了观测信号稳定性。将地基GNSS-R观测的两种圆极化反射率与L波段辐射计观测的垂直、水平极化反射率进行了相关性分析,GNSS-R左旋圆极化与辐射计的垂直、水平线极化反射率之间有很高的相关性（0.83-0.91）。在河南郑州上街机场开展了一次机载GNSS-R土壤湿度观测试验,在试验中,通过双极化反射天线同时接收两种圆极化反射信号。试验结果发现,左旋反射信号与地基测量结果呈现相同的趋势,反射率与仰角负相关,与土壤湿度正相关;右旋反射信号对土壤湿度变化不敏感,但是,左旋右旋极化比在高仰角观测时,比单独左旋极化有更高的敏感性。为了消除反射信号受大气衰减等因素的影响,通过水面校准来保证机载反演的精度。在星载GNSS-R土壤湿度反演中,由于观测高度较高,接收机距离镜像反射点距离远,反射信号会受到大气衰减等影响,下垫面的复杂性也会对反射信号有一定影响,所以通过采取质量控制来提高星载反演的精度。对TDS-1和CYGNSS星载反射信号进行了分析,通过天线增益限制,采取提取质量控制码筛选数据的方式,提高了反演的精度。GNSS信号经陆面反射后,反射信号表现出的斑点噪声是反演误差的主要来源。斑点噪声可以通过进行大量的非相干累加来降低。本文通过对反射镜像点的空间分布进行分析,对于L波段,方位角对反射信号影响不明显,相同土壤湿度条件下,反射率随仰角变化趋势比较固定,在此基础上建立了反射率随土壤湿度和仰角变化的经验回归模型。经验模型与物理模型相比较,左旋反射率在20-70°仰角范围内呈现相同的趋势,随仰角升高而减小,随湿度增加而增大。神经网络对于复杂的回归关系,比传统的回归模型更能提供精确的反演结果。本研究建立了神经网络模型,将10个不同观测角度上的左旋反射率分别进行日平均,作为模型的输入项,结果表明神经网络较解析模型有更高的精确度,通过将右旋反射率经过同样处理加入模型,结果表明,多极化综合训练比单极化效果更好。经过粗糙度和植被参数的修正,进一步提高了反演的精确度。