草原土壤水分是评价土壤质量的重要指标之一,它维持着―土壤—植被—大气‖草原生态系统的稳定,草原土壤水分的流失直接威胁到人类的生存与发展。合成孔径雷达技术的发展使大面积连续监测草原土壤水分成为可能。但合成孔径雷达后向散射系数不仅会受到土壤水分的影响,还会受到地表粗糙度以及植被覆盖度的影响,这是合成孔径雷达反演土壤水分的难点。针对这个问题,本文以双极化TerraSAR-X数据为主,进行了以下研究:(1)以锡林浩特荒漠草原为研究区,不考虑植被覆盖的影响,探讨经验散射模型Dubois、Oh模型的适用性,分别基于Dubois模型和Oh模型测绘锡林浩特土壤水分,利用实测数据评定反演精度。结果表明:Oh模型在X波段下适用范围比经验认为的范围要窄;在锡林浩特荒漠草原的地表情况下,Oh模型的精度优于Dubois模型。(2)基于AIEM模型模拟雷达后向散射特征与地表参数的关系,揭示了X波段下后向散射特征随地表均方根高度、介电常数变化的规律。(3)基于AIEM模型分别探讨HH极化、VV极化、HH-VV极化差与地表粗糙度参数之间的关系,引入HH-VV极化差信息,建立基于AIEM模型的土壤水分反演半经验模型。模型反演值与理论输入值一致性较好,模型精度较高。(4)以宝日希勒草甸草原为研究区,利用Sentinel-2A数据提取植被冠层含水量作为水云模型的输入,结合水云模型与建立的半经验土壤水分反演模型,测绘宝日希勒土壤水分。结果表明:Sentinel-2A红边波段可以有效的提取植被含水量;建立的土壤水分反演模型能够用于本研究区草甸草原植被覆盖下土壤水分反演。(5)基于Sentinel-2A挑选特征波段,结合实测土壤水分、SAR影像后向散射系数建立BP神经网络预测土壤水分。结果表明:Sentinel-2A红边波段与土壤水分相关性较好,相比于Landsat波段,这是Sentinel-2A数据估算土壤水分的一大优势;同时BP神经网络能很好的表达后向散射系数与土壤水分之间的非线性关系,在多源土壤水分反演中潜力巨大。