土壤水分是地表水资源循环和大气能量收支的关键变量,也是各种陆面过程、生态、水文及农业作物模型的核心输入参量之一。土壤水分变化对气候变化、地球表层水热循环、以及土壤理化性质都会产生深刻影响。因此,准确、定量地获取全球与局部地区土壤水分变化信息对于理解与应对气候变化和维持生态系统平衡至关重要。基于星载微波遥感的土壤水分反演是当前获取大尺度区域、长时间序列土壤水分信息的最便捷高效的手段。但是被动微波遥感观测像元空间分辨率一般较低,且当像元中土壤成分比较复杂时,土壤水分反演结果的精度就会受到很大的影响。虽然通过基于光学遥感和被动微波遥感相结合的降尺度手段可以获得具有更高空间分辨率的土壤水分数据,然而,由于限于卫星传感器的寿命,获取长时间动态的土壤水分数据需要聚合多源传感器微波数据,消除多源数据间的观测误差是构建长时间土壤水分数据集的关键一环。本文利用线性匹配方法,以AMSR-E 3级数据为基准,将SMOS、AMSR2被动微波土壤水分数据统一校正到相同时间,相同观测深度。并结合地面站数据,重构大面积的缺失像素和无效像素,从而确保整个数据集在中国地区是连续、完整的。然后利用TVDI与土壤水分负相关关系,建立了基于TVDI的空间权重分解模型将AMSR-E、SMOS、AMSR2一致性校正后的微波遥感土壤水分数据空间分辨率从25 km降尺度到5.6 km。主要得到以下结论:1)新的高分辨率土壤水分数据集克服了光学和微波数据源之间的多源数据时间匹配问题,同时消除了不同传感器观测误差之间的差异,并具有更高的空间分辨率。验证分析表明,新数据集与原位观测值高度一致(在月度,季节和年度尺度上,相关系数r分别为:0.826,0.882和0.901)。2)利用降尺度土壤水分数据集分析了2002年至2018年中国区域土壤水分的时空变化格局。在过去的17年中,中国的土壤水分表现出周期性波动和下降趋势(斜率:-0.167,R:0.750,P=0.05),中国华北季风区和华南季风区的江淮一带,长江三角洲地区以及环渤海区呈现快速下降趋势;而青藏高寒区北部西北干旱区南部地区却有显著上升趋势,可以概括为“南湿,北干,西增,东减”。从不同季节看,春季到冬季土壤水分发生了显著变化,土壤水分的季节变化主要受地球降水的影响;而在西北干旱区逐年递增的降水使得该区域的土壤水分呈现某种上升的态势,这将有效缓解西北干旱地区的干旱灾害。本研究表明,借助MODIS LST/NDVI产品的被动微波的降尺度方法得到的土壤水分效果较好,可以满足中国区域中大尺度参量变化研究的需求,又可以获得更详细的局部细节信息,可为相应的科学研究提供参数。但是降尺度后某些区域的土壤湿度与实测数据在精度上要略低于原土壤湿度产品,需要提高降尺度被动微波土壤水分数据的质量,某些参数的选取和质量评价也应考虑的问题之一。