土壤水分是地表水存储的重要组成部分,是大气和陆地间的能量和物质交换的重要因子,同时,也是水文、生态环境等领域的研究热点之一。土壤中水分的多少是以土壤含水量(通过仪器测出的精确定量数据)表示的。在本论文中定量获取土壤含水量是研究的重要内容,所以论文中土壤含水量与土壤水分意义相同。极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)的极化特征、后向散射系数与土壤含水量存在很高的相关性,逐渐成为大尺度土壤水分监测的重要方法。而光学遥感由于其空间分辨率高、卫星传感器多、并能够提供各种光学指数,如:归一化植被指数NDVI、叶面积指数LAI等。所以能够用于定量估测植被含水量。有效地将微波遥感数据与光学遥感数据协同使用,能更准确的反演草原区土壤含水量,最大程度地发挥这些遥感卫星的作用。本论文的主要研究成果包含以下几个方面:(1)本文提出了多源遥感数据融合分类。在多种散射机制并存且密集交叉的环境下,相较于单一极化SAR数据分类,使用本文提出的多源遥感数据融合分类方法使研究区的地物分类精度得到提高,为土壤含水量监测提供了更好的分类支持。(2)分析了含水量反演模型Shi模型和Dubois模型,对比研究了它们在植被覆盖地区的含水量反演效果。发现Shi模型在此类植被覆盖地区并不适用,反演精度低。同时,研究还表明相较于Shi模型,Dubois模型在植被覆盖地区的含水量反演效果比较好。但是在反演含水量过程中会出现数值偏高的问题,它的很大一部分原因在于研究区的植被对电磁波发生散射和吸收的影响,所以需要寻找一种消除植被影响的方法。通过实测数据与分析实验,验证了水云模型在植被覆盖相对较低的温性荒漠化草原地区的适用性,消除了植被散射和吸收对雷达后向散射系数的影响,从而降低了Dubois模型的误差。另外,利用定点实测含水量数值对反演值进行修正,进一步提高反演精度。为大尺度反演温性荒漠化草原地区的含水量研究提出了新的方法。