土壤水分是气候系统中的关键因子之一,是水循环、能量循环和生物地球化学循环中的基本组成部分,在降水、径流、下渗、蒸散发等水文过程中起着至关重要的作用。从上世纪70年代开始,一系列主、被动微波传感器用来监测地表土壤水分。但是它们发布的微波土壤水分产品的空间分辨率一般为～25km,并不适于区域尺度的精确应用。2015 年 1 月发射的 SMAP(the Soil Moisture Active and Passive),是全球首个同时搭载L波段微波辐射计和雷达传感器的卫星;利用其协同观测数据反演的SMAP9km 土壤水分(AP9),满足了区域尺度的应用。但是,SMAP雷达传感器的损坏致使有效的AP9不足三个月,其仅继续发布基于被动观测数据反演的SMAP36km 土壤水分(P36)。因此,针对微波土壤水分空间分辨率粗糙及AP9消失现象,本文从空间域多因子统计、时-空信息互补和多传感器融合三个方面,开展了微波土壤水分的降尺度研究,发展了系列创新方法;以延续AP9为出发点,以估算全球9km微波土壤水分为主线,估算了全球长时序(1978-2017)9km土壤水分产品。主要内容如下:(1)基于多因子统计-残差校正的土壤水分降尺度传统降尺度方法能够提升微波土壤水分的空间分辨率,其核心是建立微波土壤水分与光学、热红外预测因子之间的降尺度关系。本文在预测因子中加入位置和土地覆盖信息,充分利用其与土壤水分的空间域信息,在回归模型的基础上引入残差校正,提出了一种多因子统计-残差校正的降尺度方法。然后利用该方法,提升P36的空间分辨率至9km,探讨其延续AP9的可行性。评价结果显示:残差校正前、后,本文方法的表现能力在空间分布、细节信息、时序变化和精度上均优于传统降尺度方法;其估算精度优于AP9,接近于P36。另外,利用该方法估算的9km 土壤水分比SMAP团队利用BG(Backus-Gilbert)插值反演算法发布的 AP9 替代产品 EP9(Ehanced SMAP passive 9km soil moisture)具有更加丰富的空间细节信息,然而,其丰富程度达不到AP9的水平。(2)基于时空融合模型的SMAP 9km 土壤水分估算除了上述方法,针对AP9缺失现象,SMAP团队还提出了 Sentinel-1雷达C波段数据替换模型。然而,以上方法仅使用土壤水分与其他参数间的空间域信息,并未考虑时间域信息。考虑到土壤水分极强的时间和空间相关性特征以及现存的三个月AP9数据,本文提出一种土壤水分时空融合模型,借助SMAP雷达损坏之前的9km和36km 土壤水分数据,估算9km 土壤水分(STF9),达到延续AP9的目的。结果发现,时空融合模型在估算9km 土壤水分的表现能力上优于BG插值反演算法和多因子统计-残差校正的降尺度方法。STF9不仅在细节信息丰富程度上与AP9接近,优于另外两种方法估算的9km 土壤水分;而且具有不弱于P36的精度。因此,在SMAP雷达传感器损坏的情况下,时空融合模型是延续AP9的有效方法。(3)多传感器融合的长时序9km土壤水分估算本文提出的土壤水分时空融合模型在延续AP9上表现不俗,但是其在上个研究只执行了两年,该模型在更长时间序列上估算9km 土壤水分的能力还有待验证。本文建立了一种融合多传感器的全球长时序土壤水分产品生成方法,基于时空融合模型集成SMAP与欧空局CCI长时序(1978-2015)0.25°空间分辨率土壤水分产品,生成了 CCI时序的9km 土壤水分产品,填补了该尺度下的数据空白。结果发现,估算的9km 土壤水分很好的保持了 CCI0.25的时序变化,继承了 CCI0.25的精度,能够在更精细的尺度上揭示CCI0.25的气候变化。另外,本文发现,时空融合模型所需基底数据中的低空间分辨率土壤水分,对估算9km 土壤水分的空间分布具有很大的影响,其对细节信息、时序变化和精度等影响不明显。时空融合模型是提升微波土壤水分空间分辨率的有效方法,其表现能力明显超过以往方法。因此,本文利用时空融合模型估算了从1978至2017的全球长时序9km 土壤水分产品。该产品继承了对应微波土壤水分的精度,而且具有丰富的空间细节信息。尽管微波遥感技术是监测地表土壤水分最适宜的手段,但反演的土壤水分呈现出精度越高,空间分辨率越粗糙的现象。时空融合模型初步解决了现有微波土壤水分产品空间分辨率和精度相互制约的问题,其估算的长时序9km土壤水分,将在区域尺度的研究和应用中扮演重要的角色。