土壤含水量是水文、气象、农业和生态等领域中的关键指标,对土壤含水量进行宏观、动态的监测可为土壤旱情分析、区域洪涝预警、土地退化预报以及生态环境评估等提供有效信息。遥感技术的发展为获取大范围、长时间的土壤含水量实时信息提供了有效途径。遥感反演是指基于地物电磁波产生的遥感影像特征去反推目标的实时状态参数,即将遥感数据转变为各种地表实用参数的过程。目前针对土壤含水量的遥感反演模型可分为经验模型与物理模型:经验模型构造简单、便于实践但监测精度有限;物理模型具有坚实的理论基础,但涉及参数过多、适用性较差。本文综合了经验模型与物理模型的优点,选择青藏高原为研究区、以MODIS卫星传感器资料作为主要数据源,构建了基于集成学习的土壤含水量遥感反演模型。本文主要研究内容和结论如下:(1)土壤含水量相关光谱参数的提取收集并整理了青藏高原地区土壤温湿度实测数据以及遥感数据,完成了相关数据预处理操作;基于土壤的光谱反射特性,以MODIS地表反射率产品MOD09A1为数据源,对植被指数、植被覆盖度和叶面积指数等土壤含水量相关的光谱参数进行了反演。(2)基于随机森林的地表温度重建基于随机森林算法对MODIS地表温度产品MOD11A1进行了重建,削弱了植被和地形的干扰,同时对数据缺失值进行了补充。验证结果表明重建后的地表温度与实测地表温度具有良好的相关性,其准确性与空间连续性均得到了提升。(3)基于温度-植被干旱指数的土壤湿度状况评估基于归一化差分植被指数(NDVI)反演结果与地表温度(LST)重建结果,构建NDVI-LST特征分布空间;针对特征分布空间中主体边界处的散点干扰问题,考虑各离散点的分布频率并进行干湿边方程的拟合;最后反演得到温度-植被干旱指数(TVDI),并据此对青藏高原地区土壤湿度状况进行评估。结果表明TVDI在一定程度上能够反映土壤湿度分布的一般规律,但却不能对土壤含水量进行定量表述,其结果仍然具有局限性。(4)集成多模型融合的土壤含水量遥感反演以极端随机树和XGBoost模型为初级学习器,分别构建基于极端随机树和基于XGBoost的土壤含水量反演模型;通过Stacking方法将两个初级学习器的预测结果与TVDI指数反演结果相结合,构建了多模型融合的土壤含水量反演算法。验证结果表明多模型融合算法相较于单一模型精度提升明显,基于多模型融合算法反演得到的青藏高原土壤含水量结果符合其地形与气候分布特点。