植被返青期是植被生长过程中的重要阶段之一，探究植被返青期的变化及其影响因素具有重要意义。目前，将积雪与气温、降水等结合，从而探讨植被返青期影响机制的研究还比较少，因此研究基于MODIS NDVI、积雪产品以及ERA-5再分析等数据，采用累计NDVI的Logistic曲线曲率极值法、趋势分析、相关分析以及敏感性分析等方法，探究2001~2018年蒙古高原植被返青期时空变化特征及对气候、积雪、土壤水变化的响应机制。主要结果表明：近18 a蒙古高原植被返青期平均在123 d左右，整体呈现出不显著推迟趋势。其中西南地区和大兴安岭地区返青期最早，萨彦岭和杭爱山返青期最晚。蒙古高原返青期与积雪覆盖度、积雪日期、积雪终日呈显著正相关的区域均>30%，与融雪期温度呈显著负相关的区域>25%，与积雪期降水、土壤水分及积雪初日的相关性较弱。研究得到积雪对于植被返青期的影响显著，其因子敏感度排序为：积雪覆盖度（0.467）>积雪日期（0.184）>融雪期温度（0.113）>积雪终日（0.028）。

为提高卫星遥感土壤湿度产品精度及空间分辨率，支撑水文过程的高精度模拟与预报，首先基于SMOS、SMAP、ASCAT 3种遥感土壤湿度产品，采用2D Triple-Collocation（2D TC）从时空两方面分析不同产品精度并基于最小二乘框架融合。而后分析支持向量机（SVM）、随机森林（RF）、极端梯度提升机（XGBoost）3种机器学习方法的降尺度效果及适用性，并对融合成果降尺度。研究结果表明：多源遥感融合成果较单一卫星遥感产品RMSE更小（RMSE=0.04 m³/m³），且优化了单一卫星监测数据缺失及高估的问题。3种基于融合成果的降尺度模型均有较好的抗过拟合能力，其中以XGBoost表现最优，其测试集R²较RF、SVM测试集分别提高了4.5%、36.6%，RMSE分别降低了15%、46.9%。以CLDAS产品为参考，XGBoost降尺度成果较融合成果R值提高了16.53%，RMSE降低了17.50%。融合与降尺度方法组合能有效提高遥感土壤湿度产品空间分辨率及精度，适用性更好。

青藏高原多年冻土区地表土壤水分是该区地表各圈层之间物质和能量迁移转化的重要媒介，准确的地表土壤水分时空信息有助于分析该区土壤冻融循环过程、多年冻土退化特征以及在探讨地表土壤水分对气候变化的响应等方面具有重要科学意义。现阶段，青藏高原多年冻土发生着不同程度的退化，对区域土壤水分产生了显著影响。受限于该区高寒、缺氧以及恶劣天气的影响，青藏高原多年冻土区大范围的高分辨率土壤水分信息相对缺乏。为此，以青藏工程走廊沿线区域为研究区，以土壤水分的相关地表变量（地表温度、归一化植被指数、增强植被指数、坡度、坡向、高程、土壤质地、经纬度）为输入变量，以实测地表土壤水分为目标变量，基于随机森林回归方法分别建立了白天和夜间的土壤水分反演模型，得到了研究区2015~2018年5~9月地表土壤水分含量数据。结果表明：两个土壤水分反演模型均具有较好的反演精度，模型训练结果和验证结果与实测土壤水分含量的相关性均大于0.97，误差较小（RMSE=0.03 m³/m³），偏差接近于0 m³/m³，对各站点模拟结果较优，反演得到的地表土壤水分空间分布特征与植被分布特征一致，自东南向西北呈递减趋势。

漫川漫岗黑土区作物根层土壤含水量受植被覆盖、地形、土壤温度、降雨等多因素的影响，是农业生产和农田管理的关键要素。以友谊农场两个不同坡度的典型耕地地块（平耕地与等高种植坡耕地）为研究对象，利用Landsat 8遥感数据结合气象数据等驱动SEBAL（Surface Energy Balance Algorithm for Land）模型估算根层土壤含水量，利用地面实测数据对估算结果展开验证。在此基础上分析根层土壤含水量空间分布的影响因素。结果表明：①SEBAL模型估算的根层土壤含水量6月27日决定系数R²为0.85，7月13日决定系数R²为0.68，且7月13日根层土壤含水量明显高于6月27日；平耕地6月27日决定系数R²为0.65，7月13日为0.84；等高种植坡耕地6月27日决定系数为0.64，7月13日为0.50。②地块不同导致作物根层土壤含水量影响因素也不同，平耕地主要影响因素为坡度、植被覆盖度和土壤温度；等高种植坡耕地为高程和土壤温度。使用SEBAL模型可以较为快速准确地估算根层土壤含水量，研究结果对于黑土区耕地的水分管理、农业灌溉及水分运移研究具有重要意义。

地表土壤水分是陆地系统地气能量交换的关键参数，而喀斯特地区地表土壤水分是推动岩溶作用，影响土壤流失，造成喀斯特石漠化的重要因子，准确确定喀斯特地区地表土壤水分的分布及其动态变化对喀斯特地区生态地质环境安全及区域气候变化意义重大。以广西典型喀斯特地貌区为研究对象，利用MODIS地表温度数据和植被指数数据，构建LST-VI特征空间，首先比较不同植被指数（NDVI、EVI、SAVI、FVC）在喀斯特地区的适用性，得出FVC为研究区LST-VI特征空间的最优植被指数因子，而后在归一化的T^*-FVC特征空间内分析得出森林、农田和喀斯特山区3种典型的下垫面类型下土壤水分指标M₀随时间的运动轨迹和规律，以及其空间分布变化及原因。结果表明：相同的下垫面类型下土壤水分指标M₀在T^*-FVC特征空间中随时间的运动轨迹和规律相似，说明下垫面类型是影响土壤水分变化的重要因素。空间分布上，广西M₀值域分布具有夏季小于冬季，西南部小于东北部，喀斯特地区小于非喀斯特地区的特征，农田M₀季节变化较明显。总体上，利用归一化的T^*-FVC特征空间实现了喀斯特地区土壤水分的时空动态变化监测。

土壤水分是地—气能量交换和全球水循环的重要参数之一，也是水文、气象、农业等研究中的关键参数。高空间分辨率的土壤水分在探讨区域水文过程、生态环境保护及农业水资源管理等方面具有重要意义。基于Sentinel-1雷达数据发展了青藏高原地区高空间分辨率土壤水分反演算法，并获取了区域尺度空间分辨率为20 m的土壤水分。该算法首先基于地面数据、Sentinel-1雷达数据和MODIS归一化植被指数对水云模型进行了参数优化，其次利用优化后的水云模型构建了模拟数据库，利用人工神经网络算法对模拟数据进行训练，构建了基于神经网络的土壤水分反演算法。为了检验该算法，利用Sentinel-1雷达数据反演了青藏高原站点区域土壤水分值，并使用站点实测土壤水分数据对其进行了验证。结果表明：土壤水分反演值与站点实测值有良好的一致性，其相关系数为0.784—0.82，均方根误差为0.052 m3/ m3—0.064 m3/ m3。土壤水分反演值在时间序列上能够捕捉到土壤水分实测值的变化趋势。该研究可为青藏高原地区高空间分辨率的土壤水分监测提供一定的参考。

合理有效的土壤水分观测网能更好地监测土壤水分原位数据，并提供高精度的土壤水分信息。通过对武汉“1+8”城市圈2010—2019年土壤水分的时空变异性进行分析，并叠加现有站点分布情况和土地利用类型数据，对研究区域进行了两次分区，设计了一种基于时空变异性的土壤水分观测网优化布局方法。设计的观测网在已有的24个站点基础上，新增了79个站点，使现有单点控制面积下降到符合国家规范要求的381—792 km²之间，同时单点代表性相较于布设前平均提升了71.57%。该方法遵循了“先分区后布设”的思想，先利用空间相对连续的卫星遥感数据获取区域土壤水分地理规律，再推导地面站网的布局方案，可以为相关站网的优化布设提供一种新的参考。

地形是影响地表微波辐射特征的重要因素之一。通过开展地基微波辐射计观测人工起伏地表的实验，结合改进的山区地表微波辐射模型，研究地形起伏与地表异质性对地表微波辐射亮温的影响，并根据实测数据对微波辐射模型进行了验证。结果表明：地形遮挡效应对地表微波辐射过程的影响与模型中几何光学的假设是一致的；模型模拟效果较好，实测数据与模拟数据随地形的变化趋势一致，考虑地表粗糙度后，实测值与模拟值之间的误差更小；地表异质性与地形起伏耦合使得H极化与V极化不同方位角观测亮温存在明显差异。这些结果为建立山区地表微波辐射亮温的地形校正模型提供了参考。

多种土壤水分产品的综合评估有助于了解产品的特性与差异，对产品的算法改进及合理应用有重要意义。从空间分布，站点评估，土地覆盖类型及干湿分类等多方面对2010—2011年中国北方典型区域遥感土壤水分产品（SMOS_L3、AMSR-E_LPRM、ESACCI v04.5）和模型土壤水分产品（ECMWF_ERA5、GLDAS_Noah v2.1、GLDAS_CLSM v2.2）进行差异性及适用性分析，并从多角度讨论了影响土壤水分产品准确性的可能原因。结果表明：①在年尺度上，各产品均能有效表征西部干旱区土壤水分分布情况。在季节尺度上，ESACCI和3种模型产品夏秋季土壤水分较高且空间分布相似。②在站点评估方面，ERA5产品整体性能最优，平均相关系数R值最高为0.582，无偏均方根误差ubRMSE最低为0.045 m³/m³。模型产品在ubRMSE和R方面均优于遥感产品，能有效刻画站点观测的动态特征，但容易出现干湿偏差。ESACCI产品在遥感产品中准确性最高。AMSR-E与观测值之间的偏差最小（-0.015 m³/m³），但受天气影响其与观测值的相关性较低。SMOS产品受无线频射干扰影响，整体表现一般。③SMOS产品和AMSR-E产品分别对农田和林地最为敏感，其余产品在不同土地类型下土壤水分分布与实际情况基本一致且能较好地反映干湿分布情况。

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，获取高分辨率长时间序列的土壤水分信息对农业管理、作物生长监测等具有重要的意义，同时也是研究的难点。基于时间序列（2019年至2020年）的Sentinel-1雷达数据和Sentinel-2光学数据，构建了地表土壤水分的雷达与光学数据协同反演模型，即裸土条件下地表土壤水分的变化检测方法，并利用归一化植被指数对植被影响进行校正，实现了青藏高原多年冻土区（五道梁）100 m空间分辨率的土壤水分反演。与地面实际观测的土壤水分进行对比验证，结果表明土壤水分反演结果与地面实测数据的相关系数介于0.672与0.941之间，无偏均方根误差介于0.031 m³/m³与0.073 m³/m³之间，土壤水分变化与区域降水事件和特征密切相关，验证了本文提出的考虑植被物候的变化检测方法在地势平坦、植被稀疏的青藏高原地区具有极高的适用性。

SMAP卫星的二级（L2）土壤水分数据是直接反演结果，能够从模型、算法、参数等多方面体现其对土壤水分反演的综合能力。在这一级别下，SMAP设计了包括L2_SM_P（36 km）、L2_SM_P_E（9 km）和L2_SM_SP（3 km和1 km）在内的多种尺度的土壤水分数据，能满足不同的实验和应用需求。以ISMN地面实测土壤水分数据作为对比参照，以偏差（Bias）、均方根误差（RMSE）、无偏均方根误差（ubRMSE）和相关系数（R）作为分析指标，分析了SMAP L2土壤水分数据和ISMN实测数据间的差异表现。结果显示：在不同静态条件下（气候类型、土壤性质和植被类型），植被对差异的影响最大，土壤性质的影响最小；在不同动态条件下（土壤水分、植被光学厚度和地表温度），植被光学厚度和土壤水分对差异影响较大，地表温度的影响较小；在4种SMAP L2土壤水分数据中，9 km数据与ISMN实测数据的差异最小，其次是36、3、1 km尺度的数据；结合静态条件和动态条件来看，36 km和9 km尺度的数据与ISMN实测数据的差异情况类似，3 km和1 km数据差异情况类似。

土壤水分在陆地和大气的能量交换和水循环中扮演十分重要的作用。以SMOS为代表的微波遥感卫星是目前获取全球土壤水分信息的主要途径，在其反演算法中，亮度温度（亮温）的模拟是求取土壤水分的重要前置环节。以L-MEB模型为核心，利用ISMN环境温、湿实测数据和SoilGrids土壤质地数据，研究关键辅助参量对亮温模拟的影响，以及利用丰富、可靠的实测数据模拟亮温的可行性。结果表明：土壤水分和土壤温度在时间上具有瞬变性，对亮温的模拟产生随机性影响，而砂土和黏土含量在时间上具有稳定性，属于缓变类背景参量，对亮温的模拟产生系统性影响；研究模拟的H和V极化亮温与SMOS模拟亮温的相关系数分别达到0.59、0.65，初步证实了以ISMN实测数据和SoilGrids土壤质地数据作为辅助数据进行亮温模拟可行、有效。

“闪电河流域水循环和能量平衡遥感综合试验”以滦河上游的闪电河流域为试验区，开展了机载L波段微波辐射计观测。将其获取的机载亮温数据与SMOS、SMAP卫星亮温（L1C）进行对比研究。首先根据观测时间、角度和极化方式制定了机、星数据的选用方案，进而针对二者尺度差异设计了3种空间匹配策略，以数值差（卫星—机载）、相关系数（R）和无偏均方根误差（ubRMSE）作为量化指标，对机载和卫星观测亮温进行差异分析，结果显示：机载亮温与卫星亮温之差随角度变化的特征趋势与理论相符，其可靠性得到了初步验证；3种空间匹配策略下的总平均亮温差显著不同，证实了空间尺度差异与匹配策略对多源数据的验证及对比的量化影响；机载亮温与SMAP亮温的总体差小于与SMOS，反映了探测方式、传感器硬件设计以及空间组织方式的异同。

青藏高原地理位置特殊、环境特征显著，是地球系统作用的关键参与和决策者。利用大尺度的星载微波遥感数据开展其土壤水分研究，不仅能为理解典型地区对全球水、气、能、热交互机制的量化影响提供理论支持，还能够为证实遥感数据的可靠性提供实践依据。以SMOS（2011—2020）和SMAP（2016—2020）卫星土壤水分数据为主，以ISMN实测数据、GPCP降水数据、MOD16A2蒸散发数据、C3S地表类型数据为辅，利用土壤水分（年均值，\overline{{\theta }_{sat}}）与时间之间的相关系数（R_{xt}），研究青藏高原土壤水分在季风及植被生长季（7—9月）的时空分布及长消特征；进而利用偏相关系数（R_{xy,\text{?}z}），初步分析了土壤水分与降水和蒸散发的耦合关系。结果显示，青藏高原土壤水分在时间上呈现先减（2011—2015年）后增（2015—2018年）随后波动变化（2018—2020年）的趋势，在空间上呈现自西北向东南逐渐升高的趋势；大部分地区的土壤水分与降水的耦合表现强于蒸散发；SMOS和SMAP对青藏高原土壤水分时空特征的捕捉具有较高的一致性。

宇宙射线中子法是一种百米尺度的土壤水分无损测量方法。基于重庆市青木关槽谷区多个站点的多层土壤水分观测数据，针对宇宙射线土壤水分观测系统（COSMOS）同步测得的中子序列开展了土壤含水量反演研究。在反演算法研究过程中，引入S-G滤波对COSMOS快中子数进行平滑，分析了植被含水量的影响，探索和优化了算法率定和验证阶段不同的数据筛选方案。结果表明：该区域植被含水量对COSMOS反演结果影响较小，且考虑全时段土壤水分水平下发展的算法能得到与实测区域平均更为一致的土壤水分序列。最后应用该反演算法进一步生成了COSMOS观测时段的长时间序列土壤水分产品，并与周边相邻土壤水分观测进行间接验证，揭示了该区域的土壤水分季节变化特征。该研究发展的COSMOS土壤水分反演算法在该区域展现了较强的适用性，可为重庆市青木关喀斯特槽谷区典型流域的区域尺度土壤水分观测与水文气象分析提供支持。

土壤水分是地气间水热交换的重要变量，影响着地表感热潜热划分、水分收支和植被蒸腾等过程，青藏高原土壤水分的研究对于改进高原水分循环和能量平衡的模拟研究具有重要意义。随着SMOS、SMAP等卫星的发射，L波段被动微波遥感技术成为大尺度监测土壤水分的主要手段。分别从L波段星—机—地观测与微波辐射模拟、区域尺度土壤水分观测、卫星产品评估与土壤水分反演算法发展等方面系统回顾和总结了近年来L波段被动微波遥感及其土壤水分反演算法、产品在青藏高原的主要应用与研究进展。在此基础上，归纳了当前高原L波段被动微波辐射模拟与土壤水分反演存在的问题，主要包括缺乏高原尺度的微波辐射模拟评估和改进的卫星土壤水分产品、土壤冻结时期的水分监测产品依然缺失等问题。针对存在的问题，进一步提出了相关建议与展望，建议今后的研究应加强高原尺度的微波辐射模拟评估与土壤水分产品改进工作，并积极拓展土壤水分产品在高原水分循环和能量平衡模拟、植被生长与干旱监测的应用研究。

土壤水分是陆地生态系统和水循环的重要状态变量，在植被生长监测、农作物产量评估等研究中均发挥着重要作用。为了消除植被散射的影响，进而实现农田地表土壤水分的高精度反演，以时间序列Sentinel-1影像及MODIS产品为实验数据，基于高级积分方程模型和比值植被模型的耦合模型，通过采用不同光学植被参数和VH交叉极化后向散射系数，分别对农田植被散射贡献进行表征，消除植被散射的影响，进而实现土壤水分的高精度反演。结果表明：当利用VH极化进行参数化植被散射贡献时，标定的耦合模型，虽然可消除对光学植被参数的依赖并较好地模拟Sentinel-1卫星观测，但土壤水分反演结果效果欠理想，相关系数R最大仅为0.54；与VH极化相比，利用光学植被参数表征植被散射贡献时，土壤水分整体反演效果较理想，R最大达到0.79，但光学植被参数反演结果在不同站点存在显著的空间差异性，R介于0.07~0.79之间。因此，在未来研究中可尝试将雷达数据与光学数据协同反演，以期在消除植被散射影响的基础上，实现植被覆盖区域土壤水分的高精度反演及动态变化监测。

土壤水分的降尺度研究为解决被动微波产品的粗分辨率问题，更好地服务于流域小尺度应用提供了技术手段。以美国俄克拉荷马州为研究区域，基于SMAP土壤水分产品和MODIS产品等多种辅助数据，在地表分类数据的支持下，结合参量统计降尺度和时空融合降尺度发展了一种土壤水分混合降尺度方法，并利用SMAP 9 km产品和站点实测数据对降尺度效果进行了评估。结果表明：混合降尺度方法可以得到细节丰富、空间覆盖完整的降尺度结果。相较于参量统计或时空融合两种单一降尺度而言，混合降尺度结果的空间分布与SMAP 9 km真实产品最为相似，并且混合降尺度结果与站点的整体时序精度最高，在不同地表分类下的时序精度也优于单一方法的降尺度结果。由此证明结合参量统计与时空融合的降尺度方法是可行的。

L波段微波辐射计是探测土壤湿度和海水盐度的重要手段，但日益严重的射频干扰（Radio Frequency Interference， RFI）使得L波段被动微波遥感无法达到地表参数的反演精度要求。将具有快速采样能力的L波段积分式微波辐射计搭载于车载移动平台，在华北闪电河流域进行地基测量，应用时域脉冲检测算法（Asynchronous Pulse Blanking algorithm， APB）及基于变异系数的中值比较算法对测量结果进行射频干扰检测与抑制，两种算法对射频干扰检测都取得了一定的效果。根据检测结果，闪电河综合遥感试验区的L波段地基微波辐射计观测到的射频干扰以小量级的脉冲式干扰为主，野外干扰平均量级一般集中在3~4 K，持续时间多在1~2 ms，干扰率在2%~14%之间。对比分析发现，城镇中的射频干扰较野外严重，野外实验中H极化测量结果受射频干扰影响略轻于V极化，APB算法相对具有较多的误检现象，而中值比较法则更能容许测量目标本身的辐射亮温波动，该算法的最小检测干扰量级小于3 K， 有助于提高试验区内土壤湿度的反演精度。

选取淮河流域为研究区域，利用2016年6月至2019年5月流域内的313个土壤水分观测站0~10 cm土壤体积含水量数据，使用多种指标分析SMAP卫星（Soil Moisture Active Passive）9 km分辨率土壤水分产品（L2_SM_P_E）精度的空间和时间（年、月、日尺度）特征，并讨论植被、土壤、地形等对精度影响。结果表明：①整体来看，L2_SM_P_E在淮河流域达不到0.04 m³/m³的预期精度，存在湿区高估、干区低估的现象，但可以较好地反映流域土壤水分的空间分布特征，也能较为准确地指示高湿区和低湿区。②L2_SM_P_E的精度存在明显的区域差异和季节差异。冬季精度明显优于其他季节，流域大部分地区的无偏均方根误差（ubRMSE）均接近预期精度，且在流域北部的部分地区、伏牛山区和大别山区达到了预期精度。在春秋季，流域北部和大别山区的精度较高。夏季L2_SM_P_E的可用性较差。③L2_SM_P_E和降水有较好的一致性，对降水的响应比土壤水分观测值敏感。在降水过程中和降水结束后，L2_SM_P_E的误差以随机误差为主；当土壤相对干燥，则以系统性负偏差为主。④L2_SM_P_E的精度与采样点的土壤类型关系并不密切，山地地区的精度要优于其他地区。

基于Sentinel-1合成孔径雷达 (SAR) 数据及相同时段的中分辨率成像光谱仪（MODIS）和Landsat 8两种归一化植被指数（NDVI），构建变化检测模型以估算黑河中游的高分辨率土壤水分，并探讨模型中具体参数设置对估算精度的影响。结果表明：①在对后向散射系数时间序列的差值 ( \mathrm{\Delta } \sigma ) 和植被指数 ( \mathrm{V} \mathrm{I} ) 进行线性建模过程中，MODIS NDVI和Landsat 8 NDVI这两种植被产品所构建的模型在 \mathrm{\Delta } \sigma - \mathrm{V} \mathrm{I} 空间中所选取的采样点比例分别为2%和4%时，各自取得最优精度; ②以土壤水分反演为目标，使用Landsat 8 NDVI构建的变化检测模型略优于使用MODIS NDVI构建的变化检测模型，两种模型的均方根误差RMSE分别为0.040 m³/m³和0.044 m³/m³，相关系数R分别为0.86和0.83; ③对于变化检测方法的关键参数，若使用低分辨率的SMAP/Sentinel-1 L2_SM_SP土壤水分数据分别代替站点观测的土壤水分初始值和缩放因子 (即两个连续时相土壤水分变化的最大值 \mathrm{\Delta } M s_{max} ) 这两个参数，则土壤水分RMSE将分别增加0.01 m³/m³和0.04 m³/m³。即土壤水分缩放因子这一参数的误差对反演结果的影响大于土壤水分初始值误差对反演结果的影响，故采用高精度的缩放因子进行变化检测估算。研究结论对于利用新兴的Sentinel-1 SAR数据，通过变化检测算法准确获取高分辨率土壤水分信息具有实际参考价值。

以黑河流域中上游为研究区，初步探究了利用AMSR2卫星的多频亮度温度数据估算土壤水分的方法。基于土壤水分和土壤发射率的统计关系，通过黑河流域上游的4个像元2013年7月至2014年6月内的实测土壤水分和土壤温度数据，采用了“四像元交叉拟合法”获得了统计系数，并用此方法估算出了黑河流域中上游的土壤水分。采用2014年7月至2014年10月内估算的土壤水分，连同与AMSR2的4个常用的土壤水分产品和GLDAS土壤水分产品在时间序列上，与八宝河流域WSN土壤水分地面观测展开了对比验证，结果表明估算土壤水分精度明显高于上述5种产品。同时借助高程和土地覆被辅助数据，与GLDAS土壤水分在空间格局上进行了比较，发现估算土壤水分时空分布特征更加合理。该方法可为流域尺度的土壤水分反演与监测提供了一种简而易行的思想方法和可行之路。

未冻水和冰共同存在于冻土中，两者的相互转化即冻融变化深刻影响寒区地表水分循环和能量收支。被动微波遥感技术是土壤水分监测的主要手段，但目前大多应用于非冻结土壤的水分反演，对负温环境下冻结土壤中未冻水的反演研究较少。基于SMAP卫星升轨和降轨时刻的亮温观测数据和经改进后适用于青藏高原地区的零阶微波辐射模型，利用单通道算法（SCA）和双通道算法（DCA），对青藏高原东部黄河源区玛曲区域季节冻土中的未冻水含量进行反演。结果表明：基于SMAP不同过境时刻亮温观测及不同算法的土壤未冻水反演结果均较同步地反映了研究区实测值的动态变化特征（相关系数R均大于0.9）。其中，基于SMAP降轨时刻亮温观测的反演结果在冻融交替的过渡季节存在明显低估，而基于升轨时刻亮温观测得到的反演结果精度更高。基于垂直极化亮温观测的单通道（SCA-V）和DCA算法得到的升轨时刻的反演值与实测值的无偏均方根误差（ubRMSE）分别为0.035 m³m^-3和0.039 m³m^-3，均达到SMAP任务的设计要求（即ubRMSE≤0.04 m³m^-3），其中SCA-V对该研究区土壤未冻水的反演精度最高。与SMAP标准产品相比，基于SCA-V算法反演得到的暖季土壤水分精度更高。此外，该算法能成功反演得到冻结期土壤未冻水的动态变化，因此更适用于青藏高原地区冻融土壤条件下的水分反演。

SMOS和SMAP都是为获取全球土壤水分信息而设计的专题卫星，均搭载了L波段辐射计。进行二者的横向对比是构建具有一致性的全球土壤水分数据集的关键基础。虽然SMAP、SMOS名义上的过境时刻是固定的，但二者的实际过境时刻随时间和空间发生变化，它们与地面实测数据三者之间难以匹配形成时序上严格统一的样本对，从而给土壤水分反演结果的精度评定带来困难。针对这一问题，以美国大陆地区为研究区，首先对2016~2017年SMOS、SMAP土壤水分数据的时间戳进行统计，判定二者过境的交叠时段；进而利用高观测频率、大空间尺度的实测数据，研究表层土壤水分在此时段内的自然变化特征。结果显示，按照全部、无降水、有降水3种条件，在样本量分别为98.14%、99.51%和88.49%的绝大多数情况下，表层土壤水分的变化量为0.007 m3/m3、0.007 m3/m3和0.012 m3/m3， 远小于SMOS、SMAP的目标精度（0.04 m3/m3）。初步证实： ①SMOS与SMAP的土壤水分反演结果（L2数据）可进行直接比对;②过境时刻差异对验证误差的影响可不计。

为降低SMOS土壤水分反演算法的复杂度、提高土壤水分反演精度，对SMOS土壤水分反演策略进行调整：将多参数反演改为单参数反演以简化观测与模拟亮温的代价函数，以固定步长（0.001 m3/m3）代替不定步长从而避免复杂的矩阵运算，将围绕土壤水分先验值的少量局部搜索调整为全土壤水分区间（0~0.05 m³/m³）的密集全局搜索。利用美国USCRN 44个站点实测土壤水分分别与SMOS官方反演的土壤水分和SMOS调整算法反演的土壤水分进行对比分析。结果表明：与SMOS相比，算法调整后土壤水分的平均绝对偏差MAD、均方根误差RMSE和无偏均方根误差ubRMSE分别降低了0.012、0.018和0.020 m3/m3。

当前常用的被动微波土壤水分反演算法有水平极化单通道算法、垂直极化单通道算法、双通道算法、微波极化差比值算法和扩展双通道算法，5种反演算法具有不同的差异，对这些反演算法进行系统的评估和分析将有助于反演算法的改进和星载高精度土壤水分产品的发布。为了避免直接采用卫星产品验证时的尺度匹配、空间异质性等问题，基于地基L波段微波辐射观测以及配套的土壤和植被参数测量数据，对这5种反演算法进行了实现、对比和分析，得出以下结论：①单通道算法具有最佳的反演性能，水平极化单通道算法反演结果具有最高的相关性(相关性系数R=0.83)，垂直极化单通道算法反演结果具有最小的反演误差(均方根误差RMSE=0.028 m³/m³,偏差BIAS= -0.011 m³/m³),但单通道算法需要精确的植被含水量输入；②其余3种算法能脱离植被辅助数据的使用，性能略差但也能满足星载微波传感器的探测指标要求(小于等于0.04 m³/m³)；其中，扩展双通道算法和微波极化差比值算法的土壤水分反演结果比双通道算法略差，但本例中扩展双通道算法在植被含水量反演方面更具优势。

土壤水分是连接地—气系统的重要状态变量，微波遥感为准确获取大面积土壤水分信息提供新的技术手段。准确解读微波土壤水分产品质量、深入了解其误差的时空分布特征是通过数据同化等方法将其融入陆面模型,从而成功应用于地球科学领域的重要先决条件。基于Triple Collocation(TC)方法检验了风云三号C星(FY-3C)、土壤水分主被动卫星(SMAP)及高级微波散射计(ASCAT)这3种常用微波土壤水分产品在中国陆域的质量，并通过Hovm?ller图评估了3套产品捕捉土壤水分时空变化的能力。结果显示：①TC方法得到的分析结论与地面实测资料的验证结果一致，整体上SMAP优于ASCAT和FY-3C，不同土地利用类型下SMAP信噪比均最高，三者的TC信噪比分别为1.668 dB、-0.316 dB和-2.182 dB，同时三者与实测值的相关系数分别为0.514、0.501和0.209；②FY-3C和ASCAT产品的精度在中国西北地区整体优于南部地区，3种产品均能较好地刻画土壤水分随纬度和经度变化的情况，3种产品展现的季节波动整体高于实测，其中FY-3C的季节波动在3种产品中最为剧烈；③FY-3C的质量比ASCAT和SMAP更易受到植被影响，但在裸土区FY-3C优于ASCAT。本研究基于TC分析提供了全国范围内3种主流微波土壤水分产品的误差和信噪比的空间分布，并通过Hovm?ller图评估了其描述土壤水分时空变化的能力。研究结论可为微波土壤水分产品的同化研究提供一定参考。

以青藏高原开展的L波段地基微波辐射（ELBARA-III型）综合观测试验为依据，基于 \tau - \omega 辐射传输模型评估了Wang-Schmugge、Mironov、Dobson和 Four-Phase 4种土壤介电模型对L波段微波亮温模拟及土壤湿度反演的影响。结果表明：相同植被和粗糙度参数化方案条件下，4种土壤介电模型对微波亮温模拟存在明显差异，当土壤湿度小于0.23 m3·m^-3时，Wang-Schmugge模型与其他3种土壤介电模型微波亮温模拟结果差异最为显著，水平和垂直极化微波亮温模拟最大差值可达8.0 K和4.4 K；当模拟土壤湿度大于0.23 m3·m^-3时，Four-phase模型模拟的微波亮温显著高于其他3种土壤介电模型模拟结果；当土壤湿度饱和时，4种土壤介电模型间水平和垂直极化微波亮温模拟最大差值约为6.1 K和4.8 K，且4种土壤介电模型对水平极化微波亮温模拟的差异比垂直极化模拟的差异更为显著。而基于4种介电模型的土壤湿度反演对比试验表明，水平极化条件下基于Wang-Schmugge模型反演土壤湿度，较其他参数化方案，能有效减轻反演土壤湿度对观测土壤湿度的低估，Mironov模型减轻了垂直极化条件下反演土壤湿度对观测值的高估程度。在现有 \tau - \omega 模型参数化方案的基础上，总结了4种土壤介电模型在青藏高原典型草地下垫面的适用性，将为星载L波段辐射计青藏高原土壤湿度反演应用提供客观的土壤介电模型方案选取依据。

土壤水分是监测作物旱情的基本因子，以欧空局1978~2014年微波遥感土壤水分产品、中国经济与社会发展统计数据库以及气象数据为基础，结合土壤水分亏缺指数（Soil Water Deficit Index, SWDI）分析东北地区的干旱程度与玉米亩产的关系。结果表明：①东北三省干旱程度空间上呈现自东北向西南逐渐加重的空间分布模式；②基于CCI (Climate Change Initiative)土壤水分产品计算的SWDI干旱指数与降雨量和气温有良好的相关关系，可用于评估干旱发生的严重程度；③玉米生长季关键需水期——7月的SWDI与玉米产量的相关性最好，二者在黑龙江、吉林和辽宁省的R2分别为0.43、0.78和0.38，非常适合用于评估干旱对玉米单产的影响。该结论对于研究大范围土壤水分含量对农作物产量的影响以及相关农业决策具有重要指导意义。

反演模型对土壤水分评估结果有重要影响，基于此，以黄土沟壑区城市森林表层土壤为研究对象，以3期Landsat影像和实地土壤水分传感器测定数据为数据源，分别通过像元在二维空间（LST-NDVI与STR-NDVI，LST为地表温度，NDVI为归一化植被指数，STR为短波红外转换反射系数）中的散点图及其拟合的干燥边界与湿润边界，获取TOTRAM（热学—光学不规则梯形模型）和OPTRAM（光学不规则梯形模型）的参数，然后在像素水平上（30 m×30 m）反演出延安城市森林表层土壤水分（W），验证两模型的精度，并比较两模型估算结果的差异及线性边界与非线性边界对反演结果的影响。结果发现：①除OPTRAM 模型在Landsat 7和Landsat 8上干湿边界呈现非线性外，像素在LST-NDVI空间和STR—NDVI空间中的干湿边界均呈线性，且包络成不规则梯形形状;②与实地测定数据相比，TOTRAM与OPTRAM两模型的平均误差（ME）分别为0.009和0.0455，表明两模型估算结果均偏高，但OPTRAM模型的均方根误差（RMSE）较TOTRAM模型更接近0。OPTRAM模型估算的W值均匀地分布在1∶1参考线两侧，且位于参考线上的点数多于TOTRAM模型，表明OPTRAM准确度高于TOTRAM模型，且非线性边界的反演精度高于线性边界;③与TOTRAM模型相比，OPTRAM模型估算出的W空间分异规律与土地利用/覆被类型具有较高的相关性，且OPTRAM模型对植被覆盖度极低的区域敏感。因此，在后续研究中，应在OPTRAM模型中探讨干湿边界复杂性与模型准确性改善之间的关系，同时考虑周围环境、降雨量、森林干扰和NDVI饱和等因素对两模型估算准确性的影响。