土壤水分是陆面-大气相互过程中调控地-气能量交换的最重要参数之一，直接控制着地表与大气之间水、热量的输送和平衡。土壤水分的估算也是其他学科，比如气象学、水文学、生态学和农业等关注的重点研究对象。光学和微波遥感反演土壤水分各有优势与不足，若能有效协同利用两种数据源，对提高土壤水分反演精度具有重要意义。本论文根据国家重点基础研究发展规划项目(973)子课题“基于知识的土壤水分、植被结构参数遥感综合反演研究”的需求，开展了对土壤水分的光学与雷达遥感协同反演算法研究，主要研究工作包括以下几个方面：　　 1)从光学雷达数据融合的角度，提出了一种先对光学雷达数据融合，然后对融合结果贝叶斯网络分类的土壤水分信息提取方法。该方法首先利用小波变换与HIS变换结合的算法将TM5、4、3与ASAR的VV极化数据融合；验证表明，融合后的图像信息量更丰富。图像质量更好，对土壤水分更为敏感，更有利于土壤水分信息的提取；然后构建BN网络，以融合后新的R、G、B分量和TM6波段作为网络的输入，土壤水分作为输出，提取了研究区的土壤水分布图。经地表实测数据验证，结果表明，该方法简单可靠，能实现区域内土壤水分信息的提取。　　 2)对雷达反演地表土壤水分算法展开研究，发展了两个裸地土壤水分反演模型：①基于ASAR反演土壤水分的经验模型，该模型不需要地面辅助数据的支持，利用两个极化的雷达后向散射系数即可反演得到土壤水分，适用于地形复杂、地表实测粗糙度数据难以获取的地区；②随机粗糙地表的双尺度微波散射模型研究，采用小波包变换的方法，将空间域的粗糙度变换到频谱域进行处理，合理的实现了双尺度模型大、小尺度粗糙度的分离。利用AIEM比较验证表明：在入射角θ1<30°，粗糙度较小(kσ=0.586cm)的时候，MTSM有比较好的精度。　　 3)从光学雷达模型耦合的角度，提出一种ASAR数据和TM数据协同反演植被覆盖土壤水分的半经验耦合模型。该模型通过简化MIMICS模型，模拟了冠层叶片含水量与单位体积内植被消光系数、后向/双向散射系数的经验关系，减少了模型的输入参数，使模型的关键输入参数为光学遥感易于反演的LAI；并采用光学PROSAIL模型反演LAI，实现微波和光学模型的耦合；最后引入植被均方根高度(Sveg)来修正冠层重叠造成的雷达阴影效应。经实测数据验证，结果表明，通过雷达阴影校正，模型精度有明显提高；耦合模型的反演结果明显好于MIMICS模型单独反演结果，主被动耦合模型对区域内土壤水分反演是有效的。　　 4)从优化算法的角度，提出一种基于遗传-BP神经网络的主被动遥感协同反演地表土壤水分的方法。该方法首先建立一个BP神经网络，并采用遗传算法对BP网络的节点权值进行了优化；然后将TM数据(TM3、TM4、TM6)，不同极化和极化比的ASAR数据(VV、VH、VH/VV)作为神经网络的输入，土壤水分作为网络的输出，反演得到研究区土壤水分布图。验证表明，遗传-BP神经网络算法是有效可行的，光学雷达的协同反演精度明显好于单一数据源的反演结果。