土壤水分是影响农业生产、水文过程和气候系统的重要参数,其时空分布信息对于监测土壤墒情、指导灌溉作业以及预测作物产量具有关键作用。然而,由于土壤水分具有较高的空间变异性,传统地面测量方法无法满足其大范围监测的需求。遥感技术的发展使得多种尺度下的土壤水分时空监测成为可能。目前,被动微波遥感技术监测土壤水分已经成功业务化运行,但其土壤水分产品的空间分辨率比较低（通常在几十公里水平）。而合成孔径雷达作为主动微波遥感技术,因其较高的空间分辨率,在获取精细土壤水分信息中备受关注。相比被动微波,雷达获取的后向散射更容易受到植被结构特性、土壤粗糙度等地表几何信息的影响,一直以来是雷达反演土壤水分研究中的难点和热点问题。本文以地基、机载、星载的雷达数据和地面实测数据为主要数据源,选择中国滦河流域的土壤水分实验区、加拿大曼尼托巴省南部的土壤水分实验区和美国俄克拉何马州的土壤水分实验区为研究区,在现有裸土散射模型和植被散射模型的基础上,研究土壤水分反演中的植被和粗糙度校正问题,构建适合于不同雷达数据特征的土壤水分反演方法。主要研究工作及成果如下:（1）为研究土壤水分反演过程中地表粗糙度的校正问题,发掘多角度观测蕴含的地物信息,本文针对地基雷达数据特点,发展一种基于多角度雷达数据的土壤水分反演方法。首先,分析不同入射角度后向散射系数与土壤水分的相关性,然后利用15个角度的雷达数据反演土壤水分与地表粗糙度,在反演过程中利用多角度数据实现对粗糙度的分离校正。结果表明:C波段HV极化、L波段VV极化的多角度信息对粗糙度的校正和土壤水分的反演效果最优,二者反演结果的相关系数分别为0.586和0.687,ub RMSE分别为0.073和0.067 cm~3/cm~3。其次,将雷达数据按入射角大小分为低、中、高三组,每组包含5个角度,探究不同大小的多角度数据粗糙度校正能力。反演结果显示:C波段在低入射的HV极化反演精度最高,而L波段在低入射角的VV极化反演精度最高,在中高入射角的HV极化反演精度最高。此外,通过SMAP 9公里土壤水分产品对反演过程进行限定,最终土壤水分反演结果的ub RMSE为0.03 cm~3/cm~3,证实在利用多角度数据反演土壤水分时,可以通过引入被动微波数据提高反演精度。（2）为探索土壤水分反演过程中植被的校正问题,实现基于多极化数据对植被的定量描述与参数化方案,克服传统反演方法中使用光学观测获取植被信息易受云雨影响的问题,本文基于机载雷达数据,建立一种依赖雷达植被指数的土壤水分反演方法。首先,分析三种雷达植被指数对实测植被含水量的敏感性,确认使用雷达植被指数的可行性;其次,对比基于不同雷达植被指数模拟的后向散射系数与雷达观测的后向散射系数,发现VH植被指数在水云模型参数化过程中具有最优的拟合精度。结果表明:利用VV极化的后向散射系数和VH植被指数分不同物候期反演,油菜、玉米、大豆和小麦的土壤水分反演结果的ub RMSE值分别为0.056、0.053、0.098和0.079 cm~3/cm~3。研究证实多极化雷达观测可用于反映植被变化和参数化植被影响。此外,研究发现在植被的不同生长阶段,水云模型参数随植被生长变化而发生改变。该研究为利用L波段雷达数据反演土壤水分提供新的思路。（3）为解决土壤水分反演过程中受植被和粗糙度影响的“病态反演”和“多解问题”,本文基于星载雷达数据,充分利用星载SAR（Sentinel-A/B）较高的时间重访能力,构建一种多时相双通道（MTDC）的土壤水分反演方法。首先,针对多个地面轨迹雷达数据入射角不一致的问题,创新性的提出一种基于时间序列的角度归一化方法,将不同地面轨迹数据校正到同一入射角水平,同时保留原有的后向散射（土壤水分）变化信息;其次,针对无法同时反演多个未知参数（“病态反演”）的问题,根据植被和粗糙度的时间缓变特性,假设其在反演窗口内不发生变化,从而有效降低待反演参数的个数;此外,考虑到雷达后向散射对地表粗糙度的强敏感性以及粗糙度对迭代反演过程的干扰,利用冻结期液态含水量相对稳定的特点,使用冻结期的雷达观测优先获取地表粗糙度与初始液态含水量等参数,解决“多解问题”;最后通过设定一定的时间窗口利用多时相双通道数据进行滑动反演,地面实测土壤水分数据和SMAP土壤水分产品数据的对比验证显示:星载雷达土壤水分反演结果的ub RMSE分别是0.066和0.048 cm~3/cm~3。研究证实多时相信息在星载雷达土壤水分反演中的作用以及发展雷达业务化土壤水分产品的可行性。综上,本文基于不同平台搭载的雷达数据特点（地基/多角度、机载/多极化、星载/多时相）,对地表粗糙度和植被参数的校正方法进行研究,发展了雷达反演植被覆盖地表土壤水分的方法,表征了提升观测数据的维度是一种有效提升反演能力的手段,为后续雷达土壤水分产品的业务化提供参考。