环青海湖地区属于青海湖流域的核心地带，是青藏高原的重要组成部分，是维系青藏高原东北部生态安全的重要水体和控制西部荒漠化向东蔓延的天然屏障，但同时其也属于全球变化的敏感地区和生态系统典型脆弱带，这一地区的草场是我国主要的畜牧业基地之一。近几十年来，由于全球气候变化以及人类活动的影响，环青海湖地区草场退化、湖体萎缩、水位下降、土壤沙漠化、湿地减少等生态环境问题日益加剧，给畜牧业生产造成了巨大的压力，同时严重威胁到区域生态安全，研究这一区域的土壤关键参数土壤含水量和土壤厚度，对于保护这一地区草场安全乃至生态环境稳定十分重要。　　环青海湖地区属于高原地区，野外工作较为困难，遥感手段宏观、动态、快速的特点对于研究这一地区土壤关键参数具有很大优势。合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时全天候工作的特点，并且具有一定的地表穿透能力，能够弥补传统监测方法的不足，并且开展高原地区植被覆盖地表土壤含水量雷达遥感反演在这一领域具有探索意义。而“3S”技术的迅速发展，为土壤厚度预测研究提供了新的技术手段，土壤-景观模型为核心，基于空间技术和数理统计方法进行土壤厚度预测研究成为新的研究方向。将模糊理论方法和BP神经网络与土壤-景观模型结合，研究环青海湖地区土壤厚度与环境要素的变化机制，对于这一地区土壤厚度信息的定量获取具有重要的应用价值。　　本文基于SAR遥感技术，结合野外卫星地面同步实验以及实验室参数测量的结果，通过分析植被覆盖地区散射特性，开展了环青海湖草场土壤含水量反演的研究;同时以土壤-景观模型为理论基础，结合DEM(Digital Elevation Model)和Landsat数据以及地面实测数据，通过模糊理论方法和BP神经网络，探讨了该地区土壤厚度预测的方法。论文的研究结果，可以增强对于环青海湖草场土壤状况的认识，同时也促进了SAR数据以及土壤-景观模型在高原地区植被覆盖地表的应用和发展。　　本文的主要研究成果如下:　　(1)在分析了裸露地表微波散射模型和植被微波散射模型的基础上，针对高原地区草场植被覆盖地表的特点，选择基于水-云模型、Dubois模型建立了植被覆盖地表土壤含水量反演模型。利用RADARSAT-2全极化雷达数据和Landsat数据以及实测数据对环青海湖草场进行了土壤含水量遥感反演，并用地面实测数据对于模型反演结果进行了精度验证。结果表明基于水-云模型和Dubois模型建立的植被覆盖地表土壤含水量反演模型能够满足高原地区草场植被覆盖地表土壤含水量反演的需要，并用这一模型获取了环青海湖草场大范围地区土壤含水量信息。　　(2)土壤含水量的反演结果表明，研究区9月份的土壤含水量相对5月份普遍要高，而环青海湖北部草场的土壤含水量相对于西部草场偏低，这一土壤含水量状况主要是由于青海湖流域水系分布不均以及降水和冰雪消融时间节点造成，不同草种的持水能力和生长阶段也加剧了这一状况。此外，湖泊和河流的分布也对于土壤含水量的空间变化产生了影响，基本上某地土壤含水量与其与水系的距离成反比关系。　　(3)基于土壤-景观模型，探讨了导致该地区土壤厚度空间变异的环境要素，基于DEM和TM数据，建立了该地区土壤环境要素数据库。随后用CBR(Casebased Reasoning)方法结合野外实测数据建立了该地区土壤-景观关系，并用模糊推理方法结合土壤-景观模型计算了环青海湖地区的土壤模糊隶属度分布数据，在此基础上，预测了该地区土壤厚度。与地面实测数据的对比表明预测结果对于环青海湖草场土壤研究具有参考价值。　　(4)从获取的研究区土壤厚度分布信息可知，环青海湖地区土壤厚度总体来看较薄，并且在水平和垂直方向上均分布不均匀。环青海湖地区土壤厚度分布在水平方向是从青海湖体向周围逐渐由厚变薄。而在垂直方向上，山地区域海拔较高的地带土壤层较薄，尤其是坡度较大的地区尤为明显。　　(5)以土壤-景观模型为核心，建立了土壤厚度预测的BP神经网络，利用基于GPR(Ground Penetrating Radar)获取的小范围地区大量实测土壤厚度数据为训练数据，建立了环青海湖小范围地区的土壤-景观关系，并以此为基础，结合该地区土壤环境要素数据库进行了这一地区土壤厚度预测。与野外实测数据进行对比，结果表明预测值精度较高，可以用于这一地区土壤乃至生态环境保护研究。同时也说明BP神经网络可以用于获取这一区域土壤-景观关系。　　本文的创新点如下:　　(1)本文利用水-云模型和Dubois模型建立了高原地区植被覆盖地表土壤含水量反演模型，并将这一模型应用于环青海湖草场，用野外实测数据进行了精度验证，并获取了环青海湖草场大范围地区的土壤含水量分布信息，这一研究对于高原地区植被覆盖地表土壤含水量反演研究具有探索意义。　　(2)本文首次将土壤-景观模型预估土壤厚度的方法利用于大尺度流域，分析了环青海湖地区土壤厚度差异与环境要素的关系，结合模糊推理方法和CBR方法获取了土壤-景观关系，基于DEM数据和TM数据获取了环青海湖地区大范围土壤厚度分布信息。　　(3)本文以土壤-景观模型为基础，利用BP神经网络分析土壤-景观关系，以DEM、多光谱和GPR探测数据作为训练样本，构建了适用于环青海湖地区土壤厚度预测的BP神经网络，并获取了研究区部分地区土壤厚度预测值。与野外实测数据对比表明，这一方法预测精度较高，适用于这一地区土壤厚度研究，具有重要参考意义。