土壤水分作为组成地球系统的关键变量之一,深度参与了全球碳、水以及能量循环过程,在降水分析、农业干旱监测以及洪水风险评估等研究领域占据着重要的地位。然而,由于无线电频率干扰以及反演算法本身存在的限制,目前大多数的土壤水分产品无法提供高空间分辨率并且时空连续的土壤水分数据,另外光学遥感提供的观测数据也由于云层污染存在不同程度的数据缺失。这就导致当前可获取的卫星土壤水分观测值,无法满足小区域内生态、水分以及气候研究的实际需求。青藏高原作为中国最大世界最高的高原,由于具有较为特殊的地质环境和气候条件,对周边地区的农业、生态以及经济发展具有较大的影响,甚至在全球的气候变化研究中也占据着不容忽视的地位。因此,获取高空间分辨率时空连续的土壤水分数据是当前青藏高原地区农业、水分以及气候等研究的重点和难点。针对土壤水分产品在青藏高原地区存在的空间分辨率低和数据缺失的问题,本论文基于ESA-CCI（European Space Agency-Climate Change Initiative）产品提供的土壤水分数据和MODIS（Moderate-resolution Imaging Spectroradiometer）产品提供的遥感地表参数数据,提出了先降尺度后填补和先填补后降尺度这两种土壤水分估算方法。其中,降尺度过程主要使用了DISPATCH（Disaggregation based on Physical And Theoretical scale Change）方法将25公里的土壤水分降尺度到1公里。而空隙填补过程则主要通过构建广义回归神经网络模型,对土壤水分数据缺失部分进行模拟。基于上述过程,最终获取了青藏高原公里级时空连续的土壤水分数据。将该结果与实测数据进行对比,结果表明:（1）两种估算方法得到的土壤水分具有十分相似的精度,均方根误差（Root Mean Square Errors,RMSE）分别为0.074 m3/m3和0.075 m3/m3,但先填补后降尺度的方法在较小值的模拟中无法保持较高精度的还原,并且在稳定性方面相对较弱;（2）在不同的干旱条件下,两种土壤水分估算方法的精度存在一定的差距,半干旱地区和湿润地区精度较高,RMSE的均值分别为0.057 m3/m3以及0.048 m3/m3,干旱地区精度较差,RMSE的均值为0.085 m3/m3。