作为水循环中的一个关键要素,土壤湿度是反映土壤水分状况和揭示旱涝最为直接的参数,在农业、水文、气象、生态等领域备受关注,准确获取时空连续的土壤湿度对提高天气预报精度、提升干旱监测预警能力、加强水资源管理能力等方面具有重要的应用价值和实用意义。但土壤湿度的空间异质性及实测站点稀少等导致传统的土壤湿度站点观测资料稀缺且空间代表性有限,并且目前大部分卫星的土壤湿度产品分辨率较低,因此利用微波遥感数据反演土壤湿度并进行降尺度分析是提升土壤湿度信息应用的有效途径。本研究基于2013年-2015年FY-3B卫星的微波波段（X波段、Ka波段）的数据和站点实测数据,利用基于微波辐射传输机理的陆地参数反演模型（Land Parameter Retrieving Model,LPRM）,通过模型参数方案的对比与优化,并引入离散余弦函数变化的偏最小二乘回归法（Discrete Cosine Transformation-Penalized Partial Least Square,DCT-PLS）和条件温度植被指数（Vegetation Temperature Condition Index,VTCI）与土壤蒸发效率参数（Soil Evaporative Efficiency,SEE）两种降尺度方法,开展了基于FY-3B卫星的土壤湿度数据的反演、插值、降尺度与精度评估等方面的研究。研究的主要内容和结论如下:（1）在全球范围内选取具有代表性的站点数据,首先对FY-3B土壤湿度官方产品和LPRM反演产品的精度进行了验证与分析,发现该产品精度与NDVI（Normalized Difference Vegetation Index）值密切相关,在低植被覆盖区的四个站点,NDVI值小,FY-3B官方产品的精度与LPRM反演产品相当,FY-3B官方产品的均方根误差（Root Mean Squared Error,RMSE）、相关系数（Correlat ion Coefficient,R）分别为0.049、0.540,参数方案1的RMSE、R分别为0.066、0.725,参数方案2的RMSE、R分别为0.071、0.669,参数方案3的RMS E、R分别为0.049、0.858。但在高植被覆盖区的四个站点,高植被光学厚度对F Y-3B官方产品和LPRM算法产品均产生了影响,但对FY-3B官方产品影响更大,其产品与站点实测值出现相关系数为负的情况,而LPRM算法反演的土壤湿度仍保持了较好的精度。LPRM算法的参数方案需要针对不同地区进行优选,通过将三个不同参数方案反演的结果与全球范围内选取的站点观测数据进行对比,发现参数方案3的反演最好、方案1次之、方案2最差。最后选取精度最高的参数方案用于中国区域的土壤湿度反演。（2）基于优选方案的FY-3B LPRM中国区域的土壤湿度反演结果与FY-3B的官方产品均存在着覆盖率低的问题,因此采用DCT-PLS空间插值算法对反演结果进行插值,得到了覆盖率更高的结果。在中国区域空间尺度上,以ERA5-L AND据为基准,FY-3B LPRM结果整体精度表现最好、AMSR2 LPRM结果次之,FY-3B官方产品最差,其相关系数分别为0.611、0.588、0.387,RMSE分别为0.134、0.239、0.176。FY-3B LPRM结果与FY-3B官方产品均存在着对土壤湿度的低估,而AMSR2 LPRM产品则存在着高估的状况。从土壤湿度数据的空间分布而言,大致呈现东高西低的特征,符合我国整体的气候变化规律。在不同区域而言,FY-3B LPRM产品在东部和中部地区、西南地区有着更好的表现,其RMSE分别为0.131、0.060,FY3B官方产品在西北地区、东北地区有着更好的表现,其RMSE分别为0.097、0.064。（3）基于VTCI参数和SEE参数空间降尺度方法,充分利用MODIS卫星的NDVI与地表温度（Land Surface Temperature,LST）高空间分辨率的特征,实现了中国区域土壤湿度的降尺度分析,将FY-3B LPRM土壤湿度的空间分辨率从0.25° x 0.25°提升为0.01° x 0.01°。利用那曲站点观测数据对区域降尺度结果进行了分析,结果表明两种降尺度参数的土壤湿度降尺度结果均能较好地与站点观测值的趋势相匹配,从整体误差来讲,SEE参数降尺度结果要优于VTCI参数的降尺度结果且相关系数能够达到0.4以上。从站点空间分布来看,相距较近的站点在误差指标分布上有着相似的特征,R与均方根误差RMSE较高的区域均位于研究区域的西北部分,并且与植被指数有着一定的关系。