土壤水分在陆地和大气之间的水分和能量交换物理过程中起着重要作用，是气候变化研究中的重要物理量以及很多气象及水文模型中的重要参数之一，一直受到天气和气候预报、农业生产、干旱监测、水资源管理等应用的重视。获取大范围、高时间和空间分辨率的土壤水分参数对提高天气预报精度、提升干旱监测预警能力、加强水资源管理能力等具有重要的应用价值和实用意义。　　 SMAP(Soil Moisture Active&Passive)是美国NASA计划于2014年10月发射的一颗专门用于监测全球土壤水分和地表冻融的科学实验卫星。SMAP的最大特点就是同时搭载了主动和被动微波传感器，它包括一个辐射计和一个雷达，能同时提供L波段的后向散射和亮温数据。SMAP除了提供低分辨率的被动微波土壤水分产品(L2-SM-P，36km)，还将提供基于主动微波数据的高分辨率土壤水分产品(L2-SM-A，3km)和中等分辨率（L2-SM-AP，9km）的主、被动微波联合反演土壤水分产品。本研究将针对当前高分辨率主动微波土壤水分反演存在的雷达后向散射系数对地表粗糙度敏感性较高，对土壤水分敏感性较低，土壤水分的反演精度受粗糙度的不确定性制约:SMAP高空间分辨率雷达数据斑点噪声较大;尤其是针对植被覆盖地表，由于主动散射模型的限制，对植被影响校正的误差会进一步降低土壤水分的反演精度;以及SMAP将采用的中等分辨率主、被动微波土壤水分反演方法（L2_SM_AP）中存在的主、被动线性关系的异质性和时间窗口有待确定等问题，在基于分析主、被动微波理论模型参数间物理关系的工作基础上，改进和发展了针对高分辨率的主动土壤水分反演算法以及针对中等分辨率的主、被动协同土壤水分反演算法。具体的研究成果如下:　　 (1)对于高分辨率裸露地表主动微波土壤水分反演，提出了基于粗糙度指数的裸土土壤水分反演算法和改进时间序列土壤水分反演算法。①基于粗糙度指数的裸土土壤水分反演算法采用粗糙度指数描述地表粗糙度，提出在假设一段时间内粗糙度不变的条件下，使用时间序列雷达数据减小雷达图像斑点噪声对粗糙度指数估计的影响，提高粗糙度指数的反演精度;基于误差传播理论发展了对粗糙度指数的误差估计计算方法;在此基础上，提出将上述反演的粗糙度指数和其误差估计作为约束条件，结合贝叶斯方法考虑雷达图像斑点噪声的影响，完成基于粗糙度指数方法的土壤水分反演工作。②改进时间序列土壤水分反演算法结合Kim发展的时间序列土壤水分算法与考虑观测误差的贝叶斯方法的各自优势，提出将Kim算法反演出的均方根高度作为考虑观测误差的贝叶斯方法中的限定条件，进而对土壤水分进行反演。③最后，分别基于蒙特卡罗模拟实验和Ypsilanti地面实验数据对上述两种算法进行了算法验证和结果分析。　　 (2)对于高分辨率低矮植被覆盖的主动微波土壤水分反演，本研究以一阶植被辐射传输模型刻画植被对地表后向散射系数的影响，基于改进时间序列土壤水分反演方法完成土壤水分反演工作，并分别利用蒙特卡罗模拟实验和SGP99实验中草地覆盖实测数据进行了算法验证和结果分析工作。　　 (3)对于中等分辨率主、被动土壤水分反演方法，SMAP将采用L2_SM_AP算法中的关键问题是对被动亮温数据的降尺度工作，本研究提出了时间序列降尺度方法和小波变换降尺度方法从两个方面克服当前L2_SM_AP算法存在的问题。时间序列降尺度方法基于主、被动微波数据在时间序列上的线性关系，在被动像元下建立线性方程组，并进行最小二乘求解，计算得到中等分辨率的斜率和截距值，进而计算出中等分辨率亮温，该方法克服了L2_SM_AP算法对被动像元下斜率相同的假设条件。小波变换降尺度方法基于小波融合的“替代”方法，用中等分辨率雷达图像小波分解后的高频部分代替低分辨率亮温图像小波分解后的高频部分，然后重建低分辨率亮温图像，从而得到中等分辨率的融合亮温图像，以达到对亮温数据降尺度的目的。(算法)避免L2_SM_AP算法中需要考虑“时间窗口”的设定问题，为亮温降尺度方法提供了一条新的思路。