卫星微波遥感土壤湿度产品在数值天气预报、气候预测和气象保障服务中,尤其是在农作物监测和灾害预警中发挥着重要作用,产品可靠性和准确性对农业生产至关重要。风云三号系列卫星是中国第二代极轨气象卫星,其微波土壤湿度产品的质量和连续性在时间和空间上存在不确定性。本研究以中国国家气象局的中国自动土壤水分观测站土壤湿度数据为基础,系统分析了山东地区FY-3B和FY-3C卫星反演土壤湿度产品的质量及其时空分布,同时考虑美国和欧洲类似产品SMAP和SMOS卫星反演土壤湿度产品进行对比。结果表明,在山东地区FY-3B、FY-3C和SMAP与自动站观测数据时间一致性较好,均方根误差（RMSE）为0.09m3·m-3,相关系数（R）大于0.3。SMAP无偏均方根误差（ub RMSE）为0.05m3·m-3,说明其去除系统误差之后有较高的应用价值,而SMOS在山东地区的适用性较差。加入MODIS卫星的归一化植被指数（NDVI）做参考后,FY-3B、FY-3C和自动站的相关性和误差有明显的季节变化,FY-3B和FY-3C往往高估5、8和9月的土壤湿度,与冬小麦和夏季玉米的成熟期对应,而在其余时间会低估,这是因为风云卫星使用的X波段探测深度较浅,其结果受表层植被的影响较大;而SMAP和SMOS使用的L波段探测较深,其结果受表层植被影响较小。为提高风云三号土壤湿度产品的完整性并对结果进行优化,开发了基于随机森林算法的风云三号被动微波土壤湿度补全模型和优化模型。以FY-3B微波辐射仪十个通道下的亮度温度、NDVI、经纬度、日期和FY-3B土壤湿度观测值为输入,时空匹配的地面自动站观测数据作为“真值”进行学习和训练,得到的优化土壤湿度产品精度较高,在决策树大于100以后R2稳定在0.83,均方根误差在0.03以内。之后针对FY-3B土壤湿度观测的缺测值,同样使用随机森林算法构建预测模型将其补全,模型精度为0.92。对开发的FY-3B补全产品和优化产品进行评估,发现FY-3B补全产品的连续性和相关性都有所提升,但是总体的偏差指标与原产品相差不大。FY-3B优化产品与自动站观测数据的一致性非常高,平均偏差、均方根误差和无偏均方根误差基本都为0,相关系数都趋近于1,说明FY-3B土壤湿度数据的优化订正效果非常好,可以进一步推广到中国和世界范围,生成更大尺度的土壤湿度产品,同时说明随机森林算法模型对于土壤湿度的预测有着相当高的精度和利用价值。