1.一种基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特征在于，包括步骤如下：S1，对收集的实测土壤湿度、延迟‑多普勒图、归一化植被指数和土地覆盖类型进行预处理；通过时空匹配，获取所有数据相匹配的建模样本；对延迟‑多普勒图处理后得到CYGNSS后沿斜率，所述归一化植被指数用于植被光学厚度的计算，所述土地覆盖类型用于地表粗糙度的计算；

S2，以土壤湿度为目标变量，通过计算目标变量与特征变量之间的皮尔逊相关系数，选取CYGNSS后沿斜率、入射角、地面高程、地表粗糙度和植被光学厚度作为特征变量，构建土壤湿度遥感模型；将建模样本分为训练集和测试集，并对土壤湿度遥感模型进行训练，保存最佳的土壤湿度遥感模型；

S3，根据最佳的土壤湿度遥感模型，从CYGNSS后沿斜率及其相关的辅助数据中反演出每天的土壤湿度数据。

2.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特征在于，对各气象站实测土壤湿度数据进行筛查，首先剔除数据缺失值和异常值，再统计总体数据的平均值和标准差，对于超出平均值2倍标准差范围的数据进行剔除。

3.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特征在于，延迟‑多普勒图处理后得到CYGNSS后沿斜率的步骤如下：SD1，将每个延迟‑多普勒图对应的功率值减去噪声底值，噪声计算公式为：，式中， 、分别为计算噪声区域选定的时延码片的下边界和上边界，表示时延码片；、分别为计算噪声区域选定的频率的下边界和上边界；M为选定噪声区域像元数量；

则去噪后的延迟‑多普勒图计算公式可表示为：

，式中， 为去噪后的延迟‑多普勒图；DDM为延迟‑多普勒

图；Noise表示噪声；

SD2，对 在多普勒维度的反射功率进行积分，得到积分时延波形，计算公式为：，式中， 为积分时延波形；N为选定的多普勒频率

数目；为第k个多普勒频率；

SD3，对一维的积分时延波形进行归一化处理，计算公式为：

，式中， 为归一化的积分时延波形， 为积分时

延波形中的最大值，i取1～17的值； 表示第i个时延码片的积分时延波形；

SD4，采用一次线性函数，对归一化的积分时延波形的后沿进行最小二乘法拟合，得到的斜率绝对值作为后沿斜率。

4.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特征在于，获取所有数据相匹配的建模样本的实现步骤如下：S11，通过计算CYGNSS卫星每个地面反射点与所有土壤湿度自动监测站的距离，取两者距离小于7 Km的点对为空间匹配站点；

S12，将CYGNSS数据与观测日期和时间相同的对应站点的土壤湿度数据进行时间匹配；

S13，将匹配后的CYGNSS‑实测土壤湿度样点与辅助数据进行匹配，所述辅助数据包括植被光学厚度和地表粗糙度；

S14，根据CYGNSS卫星数据的观测时间，选择对应时段的辅助数据进行匹配；再根据CYGNSS卫星每个反射点的经纬度坐标，对应到面状辅助数据所在的像元上，使CYGNSS卫星每个反射点的数据与辅助数据对应像元值进行匹配，生成所有数据相匹配的建模样本。

5.根据权利要求1所述基于CYGNSS卫星资料的中国区域土壤湿度遥感反演方法，其特征在于，步骤S2中，分别构建土壤湿度多元线性回归遥感模型、土壤湿度支持向量遥感模型和构建土壤湿度随机森林遥感模型，对三种模型分别进行训练、测试，分别保存最佳的遥感模型；对三种最佳的遥感模型，分别进行土壤湿度预测，选取精度最高的遥感模型作为土壤湿度遥感模型。