高分辨率土壤湿度数据是农作物生长监测和干旱预测的重要参考，准确获取其时空分布和变化信息对保障农业生产管理和粮食安全具有重要意义。现有全球土壤湿度数据产品多以被动微波数据为主，分辨率较粗（≥3 km），无法满足田间尺度监测应用。合成孔径雷达（SAR）已被广泛应用于土壤湿度反演研究，但受植被覆盖、地表粗糙度及现有散射模型不精确等因素的影响，反演精度不足，尚未成熟应用于全球高分辨率土壤湿度产品制图。本文提出了一种引入土壤介电属性时空物理约束的主、被动微波土壤湿度反演算法。该算法基于alpha近似模型和时间序列变化检测（CD, Change Detection）反演方法，利用被动微波土壤湿度产品计算一定时间和空间范围内的土壤介电常数最小、最大值，并将其作为约束条件应用于时序SAR土壤介电常数参数解算。由于同一地区不同雷达入射角下的后向散射系数不同，在入射角差异较大的区域土壤湿度反演结果存在明显的“分带现象”。此外，不同入射角alpha散射系数对地表介电属性的敏感性也存在差异。选择中等入射角（）观测数据或对不同入射角雷达散射系数校正到同一中等入射角（入射角归一化），是解决土壤湿度反演“分带”不连续和估计不准确问题的数据处理方法之一。本文利用余弦平方法将合成的月尺度Sentinel-1 VV极化SAR影像后向散射系数归一化到40°入射角，然后进行土壤湿度反演。为验证算法的有效性，本文利用2022年1月1日至2022年12月31日欧空局ESA Sentinel-1卫星SAR影像和美国国家航空航天局（NASA）SMAP（Soil Moisture Active Passive）9km日值（SPL3SMP_E）土壤湿度数据，将该算法应用于我国黄淮海平原农业区（Huanghuaihai Plain Agricultural Area）高分辨率月尺度土壤湿度反演与制图。实验结果表明，本文提出的土壤湿度反演算法能够融合主、被动观测数据优势，在实现高分辨土壤湿度反演的同时提高反演结果精度。
 

SAR，被动微波，土壤湿度，黄淮海平原农业区，高分辨率