土壤水分是控制陆地和大气间物质、能量交换的一个关键参数，与大气湿度之间存在着直接的联系；同时土壤水分也是联系地表水与地下水的纽带，是陆面生态系统和水循环的重要组成部分。土壤水分在全球变化、气象、水文以及农业等不同领域的研究中有着重要作用，如何快速获取高精度、区域和全球范围的土壤水分已经成为当前水文、气象等学科研究和应用中的一个重要问题。　　 SMOS(Soil Moisture and Ocean Salinaty)是欧空局首颗专为监测全球土壤水分和海洋盐分而设计的对地观测科学试验卫星，计划于2009年秋季发射。SMOS对地观测有它独具优势的特点：一是从0到55度不同的角度观测，提供更多观测可以解决遥感反演过程中观测个数小于未知量个数问题；二是采用L波段(1.4GHz)的长波观测，相比其他波段对土壤水分更为敏感。SMOS所采用土壤水分反演算法沿用了NASA的AMSR-E土壤水分反演思路，即利用多个角度观测，采用迭代算法反演地表参数；地面模型部分仍采用半经验模型Q/H模型，并使用经验参数；植被模型采用零阶微波辐射传输模型(w-t模型)；反演方法是利用多角度多极化卫星观测，通过迭代算法估算地表土壤水分和植被的光学厚度。研究表明，当前SMOS采用的土壤水分反演算法中主要存在以下几个问题有待解决：　　 1)对地表发射率的描述仍采用半经验模型Q/H模型，通过实验数据拟合进行参数化。Q/H模型描述地表粗糙度对有效发射率在V和H极化影响相同(Choudhury et al.，19791Wang et al.，1981)。地面实际测量的地表粗糙度与通过利用土壤水分观测值或者介电常数测量值拟合Q/H模型所得的地面粗糙度之间存在很大的差异，并且随不同入射角和介电特性的变化而变化(Wang et al.，1983&Wegmiiller et al.，1999)。在大入射角时，地表粗糙度对V和H极化下微波发射信号的影响不仅在数值上不同，而且方向上也不同(Shi et al.，2002)。这将影响V和H极化地表发射信号之间的关系的描述，并因此会导致在利用V和H极化观测值来估计土壤水分时的误差：过低的估计土壤水分，同时过高的估计地表粗糙度的影响。可以考虑应用地表微波理论模型(AIEM)，发展参数化面模型和反演算法。　　 2)采用的迭代反演算法存在很多问题。微波观测辐射信号取决于地表土壤水分、粗糙度、植被层的散射与消光特性，以及地表与植被温度。迭代反演算法根据构造代价函数，使模型模拟值与卫星观测差值误差达到最小，来调整模型参数，进而反演得到土壤水分。因而，迭代反演算法无法从物理机制上解释地表的任一参数值变化引起卫星观测值变化。在土壤水分反演过程中，其它参数如地表粗糙度、植被层的衰减与单次散射反照率、地表与植被温度等参数都可以在迭代过程中起到最小化观测与模型模拟差值的作用。缺少足够的物理约束会导致反演算法的不确定性。尽管SMOS独具多角度观测的优势，但仍然会存在多解问题。因此，须要进一步从物理机制上去研究植被、粗糙度和温度在不同观测角度下如何影响辐射特征，以消除其影响，来估算地表土壤水分。　　 论文的研究目标是针对当前SMOS土壤水分反演算法中的问题，应用理论物理模型，改进并发展SMOS土壤水分反演算法。本文的创新点有：　　 1.利用多角度实验数据验证理论模型(AIEM)，通过理论模型模拟数据库，发展了L波段多角度面辐射模型；　　 2.结合SMOS多角度特性，利用参数化的面辐射模型，发展了裸露地表土壤水分反演算法，用实验数据对反演算法进行了验证；　　 3.完善离散植被模型，研究了SMOS观测条件下植被的消光和散射特性，发展了L波段多角度微波植被指数，用实验数据进行了分析；　　 4.建立植被模型模拟数据库，挖掘不同角度下植被辐射和衰减的规律，发展了植被覆盖地表土壤水分反演算法，用实验数据对反演算法进行了验证。