近地表的冻融状态是陆表水循环中的关键参量，冰冻圈研究对象中的重要一员，同时也是生态系统中研究的重要内容。冻融监测近些年来正逐步成为地球生态环境变化、气候变化等领域的国内外科学研究者们关注的热点。如何在大尺度范围内快速获取地表冻融状态分布是科学家们面临的一个重要问题。地表冻融交替主要发生在高纬度或者高海拔等气候恶劣的地区，这样的区域分布着永久性冻土和季节性冻土。传统的人工观测根本无法满足研究的要求。遥感科学的发展尤其是微波遥感的兴起给大尺度长时间的地表冻融状态监测提供了可能。本文的目的即是基于被动微波遥感构建一套可靠的长时序地表冻融状态分布数据集，为地球系统环境变化研究提供数据支撑。　　论文主要阐述了地表冻融数据集的构建过程、数据集的验证以及数据集在全球及区域尺度上的应用等，主要研究内容概括如下:　　(1)对AMSR-E和AMSR2进行校正，以获得长时间序列的卫星观测数据。这两个传感器在物理配置和卫星轨道参数方面极其相似，充分利用两传感器之间具有几乎同时同地的重叠观测数据的优势，构建校正模型，完成AMSR2数据向AMSR-E的校正工作，这样基于ASMR-E开发的冻融状态反演算法便可移植到AMSR2校正后的观测数据上。比较结果显示，两传感器由于系统设置或者定标过程的不同，导致亮温观测有2～5K的偏差，这样的偏差在高精度地表参数的反演中不容忽视。　　(2)基于校正后的卫星观测数据使用冻融判别式算法构建地表冻融状态数据集，并进行评价。评价的参照为世界气象组织全球气象站点温度观测数据。文中选取了2010年和2013年两年的冻融数据分别从时间和空间分布两个方面来对数据集的识别精度进行评估，结果表明，升轨数据平均精度达到了90.46％，降轨数据数据的平均精度为85.49％。而从空间精度的分布图来看，靠近水域的地区有着较低的判别精度，最低可至50％，这说明水体对算法的判别精度有着重要的影响。最后对来自不同传感器的冻融数据的一致性进行了分析，经过校正，两者的数据的相近程度到达了80％以上。　　(3)最后利用数据集对近十多年的全球霜冻天数和变化趋势等开展了分析，并与全球陆面温度距平值的变化趋势进行了对比，总体上来说两者的空间分布比较一致。最后选择青藏高原作为代表性区域对该地区每月霜冻天数和面积的变化规律以及霜冻起始和结束的平均日期和变化趋势等进行了计算。结果显示，该地区每月的霜冻天数峰值不具有明显的变化趋势，但是有53.23％的地区的霜冻结束日期有一个提前的趋势。　　本文通过传感器之间的校正构建了长达十多年的地表冻融状态分布数据集，并对其反演精度做了全面的评价，结果显示该数据集具有较高的判别精度和一致性，可以用在地球环境变化的研究中。该数据集为陆面过程模型或者水文模型以及生态，气候模型提供了有力的输入参数使其能够具有更高的预测精度，对地球系统环境变化的监测十分有利。