土壤水分是陆地和大气能量交换的关键因子,在水循环中扮演着重要的角色,同时也在水文气候、旱情预报、农作物产量估算等方面起着重要的作用。由于主动微波遥感拥有全天时、全天候、穿透能力强等优势,使其能够在多云雨的气候条件下获取比较完整的地物信息,给农作物生长、土壤水分变化监测及生物量反演等诸多方面的定时定量研究提供了可靠数据。近年来,随着雷达遥感数据越来越丰富,利用雷达进行土壤水分反演的研究越来越多,但是对于贵州高原这类多云雾地区相关方面的研究还相对滞后,本文基于精细全极化的Radarsat-2雷达数据和Landsat-8多光谱数据,实测的土壤水分、土壤质地、土壤容重以及地表粗糙度参数等数据,运用高级积分方程模型(AIEM)、TOPP模型、Dobson模型以及比值模型,提出了两种方法对贵州高原山区阿西里西大草原0-5cm和5-10cm土壤深度的水分进行了反演研究。第一种方法基于AIEM模型、TOPP模型以及比值模型的土壤水分反演。首先,分别通过野外获取的不同土壤深度的土壤样本、地表粗糙度照片数据以及Landsat-8多光谱数据得到土壤体积含水量、土壤表面粗糙度等参数以及四种植被指数(SAVI、DVI、NDWI、NDVI),结合雷达系统参数(入射角、入射频率、波数),然后利用AIEM模型、TOPP模型以及比值模型得到裸露地表的后向散射系数,其中AIEM模型主要用于模拟裸露地表后向散射系数;TOPP模型主要用于将土壤体积含水量转化为土壤介电常数,以参数化AIEM模型;比值模型用于消除植被对后向散射系数的贡献。最后建立裸露地表后向散射系数与实测土壤水分之间的关系以得出研究区的土壤水分含量。其中,比值模型采用模拟的裸露地表后向散射系数与从影像上观测到的总的后向散射系数的比值和四种植被指数进行参数化,未知系数采用最小二乘法进行求解。第二种方法基于AIEM模型、Dobson模型以及比值模型的土壤水分反演。这种方法与第一种方法大体相似,不同的是在将土壤水分体积含水量转换为土壤介电常数时用到的是Dobson土壤介电模型。相较第一种的TOPP模型而言,Dobson模型在适用的频率范围和土壤质地范围方面均强于TOPP模型。通过以上两种方法分别获取了研究区0-5cm和5-10cm土壤深度的土壤水分含量,并得出了以下结论:首先,在土壤水分反演方面VV极化比HH极化的反演效果好。其次,对于两种方法而言方法二的反演效果要比方法一好。然后对于土壤深度而言0-5cm土壤深度的反演结果要比5-10cm好。最后,对于四种植被指数而言NDWI的反演效果比其他三个植被指数好。总结以上结论得出,在土壤深度条件为0-5cm、极化方式为VV极化、植被参数为NDWI时,方法一的反演精度更高。