土壤水分对全球水循环、气象及农业生产等领域都有着十分重要的意义。土壤湿度作为反映土壤水分含量的重要观测因素一直受到广泛重视和关注。现有的土壤湿度探测方法各有利弊,GNSS-R(Global Navigation Satellite System Reflectome-try)作为一种新兴的微波遥感技术,以其丰富的信号源、成本低、不受气候限制等的优势得以迅速发展。本文从降低观测成本、提高数据质量及反演精度的角度出发,研究利用GNSS接收机观测的信噪比数据反演土壤湿度的精度提高方法及模型的建立。本文主要从两方面进行反演精度的提高:一方面是降低异常值对反演结果的影响,本文提出稳健估计法来降低异常值对观测数据的影响,以便提高数据反演精度。另一方面是通过数据融合来提高反演精度,数据各有优劣,采用合理的数据融合方法对这些数据进行融合处理,使更多信息得以保留,发挥各自的优势以提高反演精度。本文主要研究内容和结论如下:(1)提出了稳健估计检测异常值的方法在GNSS-IR(Global Navigation Satellite System Interference and Reflectometry)土壤湿度探测过程中,观测数据易受植被含水量、地表粗糙度等因素的影响,使观测结果出现异常值。通常是根据信噪比时间序列振荡程度或者根据特征参量与观测对象的相关程度来判断异常值,并进行手动剔除,无法进行批量处理。本文针对批量处理异常值的问题,提出稳健估计法进行检测。稳健估计能有效降低或消除观测数据对观测结果的影响,本文能有效降低异常值对土壤湿度反演结果的影响,提高反演结果的精度。(2)提出了熵值法双频数据融合的方法随着新波段、新系统以及多元观测平台的加入,数据融合已成为GNSS-R领域的一个重要研究方向。传统方法是对单频数据进行处理来估算土壤湿度的,本文提出了联合不同频点数据进行土壤湿度反演的方法,文中以双频数据融合为例,利用熵值法确定各频点的贡献权重进行了差值融合,使更多的信号源能发挥其优势。通过实验数据处理结果表明:相比融合前的反演结果,熵值法双频融合反演土壤湿度的结果平均相关系数提高20%,均方根误差降低19%。(3)建立了稳健多元回归模型实际生活中单因素往往不能全面反映事物特性,往往同时受各种因素的影响。用于土壤湿度探测的观测数据SNR也同样受频率、振幅以及相位三个特征参量的影响,因此本文结合稳健回归思想建立了稳健多元回归模型以提高反演精度。数据处理结果表明:稳健多元回归模型能有效提高模型反演精度,平均均方根误差RMSE(Root Mean Squared Error)降低54%,相关系数提升35%。通过以上三个方面的研究,解决了GNSS-IR反演精度受异常值影响的问题,通过数据融合方法也使反演精度得以提高,为GNSS-IR在水循环、气象及农业生产等方面的应用提供可靠基础。