土壤水分(Soil Moisture,SM)是陆地表面水循环过程的关键要素,控制着陆地与大气间水热能量交换,从而影响气候的变化。高精度的土壤水分数据,可直接应用于洪水和干旱等自然灾害的预警和监测。另外作为天气预报数值模型以及陆面水文模型的输入参数,土壤水分的精度直接影响着这些模型模拟结果的可靠性。森林是地球上规模最大、生态功能最完善的陆地生态系统,对地球系统中的水循环、碳循环、能量循环和生态平衡起着不可替代的作用,是地球生态系统最重要的维系者。森林覆盖下土壤水分变化,对气候变化具有重要的反馈作用。因此,森林生态系统的土壤水分实时动态监测对森林生态系统功能、全球环境变化、碳源-汇等研究至关重要。森林是具有明显垂直分层结构的复杂系统,尽管L波段电磁波能够穿透冠层,但林下植被(如灌木,草丛),覆盖在地表的枯枝落叶和粗糙度等会对削弱亮温对土壤水分的敏感性。另外微波与森林内部的不同尺寸,不同形状,不同含水量的各个散射体之间的相互作用也很复杂,对森林各层辐射能量的定量解耦造成了干扰。尽管物理模型能够解释森林与L波段电磁波的辐射与散射机制,但需要大量的输入参数和庞大的计算资源,因此限制了物理模型在地表参数卫星遥感业务化反演算法中的应用。目前广泛应用于地表参数业务化反演算法中的森林微波辐射参数化模型(如τ-ω模型)虽然形式简单,但由于未考虑植被层内的体散射贡献,不能完全解释森林内部的微波辐射传输过程,这就增强了森林覆盖下土壤水分反演的不确定性,进而导致微波遥感反演的森林下的土壤水分不能满足应用需求的问题。综上,利用微波遥感技术获取长时间序列、大空间尺度的高精度林下土壤水分的主要困难是由于对森林系统电磁波传播物理过程认识不足、不够合理的参数化和模型状态初始化等导致的。本研究基于这一背景展开,结合理论模型模拟和实验观测,加深对森林微波辐射传输特性的认识,建立森林透过率的参数化模型,以及通过对植被、粗糙度等参数和土壤介电模型的研究分别改进了SMOS和SMAP的土壤水分产品精度。论文的主要研究内容概括如下:(1)基于冬夏两季森林L波段多角度的地基微波辐射观测实验分析了东北典型的阔叶林和针叶林这两种森林的有效透过率t和有效反照率ω的极化特性和时变特性;分别基于森林L波段机载和地基微波遥感实验,对SMAP的t建模方法进行了验证。结果表明在L波段,两种森林的t有明显不同的极化效应,即对于阔叶林,观测透过率在h极化(th)高于v极化的(tv),而针叶林正好相反,即th低于tv。根据微波与不同结构散射体相互作用的物理机制,讨论了在L波段针、阔叶林不同极化特性的主要原因是这两种森林一级枝结构的差异。通过对比冬夏两季的实验数据,发现冬季森林的t要明显高于夏季的值,在v极化和h极化冬季t比夏季分别高0.239和0.289。然而ω的取值独立于观测角度、极化方式,也没有明显的季节性变化,即在土壤水分反演算法中将ω的取值设置为固定值是合理的,在该研究区,ω的平均值为0.15,高于SMOS采用的0.06~0.08和SMAP的0.05。SMAP中t的明显低于实验观测值,这说明SMAP对t的参数化方案不适用于森林区域。(2)基于对Tor Vergata模型的参数敏感性分析,针对阔叶林、针叶林这两种森林分别建立敏感变量与不同极化的t的定量参数化方程,并利用实验观测数据对上述参数化方程进行验证。结果表明在L波段树枝含水量最能描述森林t的变化规律,即树枝含水量是参数化L波段透过率的最佳变量。(3)基于地面SM传感器网络观测数据,对SMOS和SMAP纯森林像元的SM产品进行了真实性检验,并针对有机质的影响对其SM精度进行了改进。结果表明,两个卫星的林下土壤水分均低于地面观测值,其中对于SMAP AM和PM的土壤水分产品的均方根误差RMSE分别是0.16 cm~3/cm~3和0.17 cm~3/cm~3,虽然优于SMOS的0.30 cm~3/cm~3和0.31 cm~3/cm~3,但仍未满足其目标精度要求的0.04 cm~3/cm~3。考虑到卫星土壤水分产品的低估可能是受有机质的影响,利用考虑有机质影响的半经验模型Liu模型,分别基于SMOS迭代反演算法和SMAP单通道反演算法(SCA-V),重新进行了SM的反演,结果表明,Liu模型对于森林高有机质土壤有一定的适用性,且能有效的提高卫星反演的SM产品精度,对于SMAP AM和PM SM产品,其RMSE分别提高到0.07 cm~3/cm~3和0.05 cm~3/cm~3,对于SMOS AM和PM SM产品其精度分别提高了56%和45%。(4)定量分析了被动微波SM反演算法中的t和ω,以及Q-H模型中地表粗糙度参数H的不确定性对SM反演精度的影响,并对Q-H模型中的参数N_p(p=v,h)进行了标定。结果表明t和ω被低估时,会导致反演的SM被高估,而H被低估时,会导致反演的SM被低估。最后结合中国东北典型森林t和ω的极化特征和时变特征,地表粗糙度参数的标定结果,以及Liu土壤介电模型,对微波SM反演的各影响因素进行修正,从而改进了SMAP林下SM产品的反演精度,修正后的SMAP AM的SM产品,其RMSE为0.04 cm~3/cm~3,满足了目标精度要求。