摘要：青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响．因此，获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题．温度植被干旱指数（TVDI），是基于光学与热红外遥感通道数据反演土壤水分的重要方法，但在研究区域较大、地表覆盖格局差异显著时，TVDI模型反演精度会受到地表温度（Ts）等因素的影响．被动微波AMSR-E数据精确记录了像元内的土壤水分信息，但空间分辨率低．本文利用同时期的M（）DIS与被动微波数据，发展了针对青藏高原地区高精度土壤水分反演算法．首先，在TVDI模型中，利用修正型土壤调整植被指数（MsAVI）代替归一化植被指数（NDVI），以改进NDVI易饱和的缺点；其次，利用ASTERGDEM数据，对地形高程和纬度差异引起的地表温度变化进行了校正；然后，通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型，并应用该模型反演了青藏高原地区三个观测网（CAMP／Tibet、玛曲和那曲）的土壤水分；最后，利用实测土壤水分数据对反演结果进行验证，结果表明该模型的精度均方根误差（RMSE）数值可达到0．031～0．041m^3·m^-3．本文还应用该算法反演了青藏高原连续的土壤水分的空间分布，并比较了土壤水分的变化趋势与实测降水变化趋势，结果表明二者变化量的正负关系一致．

关键词：土壤水分 modis tvdi 被动微波 青藏高原 

单位：北京大学地球与空间科学学院; 北京100871; 清华大学水利水电工程系; 北京100084; 中国冶金地质总局矿产资源研究所; 北京101300