地表温度是控制地汽水热平衡的重要参数之一,在气候变化、水文循环以及生态环境等研究中具有重要意义。其中MODIS land surface temperature(LST)产品产品由于其高时空分辨率,得到了广泛的应用。然而,由于云的影响或大气干扰等情况,MODIS LST产品存在大范围数据缺失的情形。目前对地表温度产品缺失数据的估算方法包括时空插值方法、引入外源卫星数据的估算方法以及基于地表能量平衡的估算方法。时空插值方法快速简单,无需借助其他辅助数据,但得到的结果仅仅是云覆盖像元理论上的晴空温度,未考虑云对地表温度的影响;引入外源卫星数据的方法往往是引入了微波数据对地表温度进行估算,因为微波数据能够穿透云层获取云下地表信息,但由于微波数据分辨率较低以及对地表十分敏感的特性限制了此类方法的应用;而基于地表能量平衡的方法是利用地表能量平衡公式,基于众多环境以及大气参数来估算地表温度,该类方法具有明确的物理意义,但由于众多参数较难获取的原因,目前也没有得到广泛的应用。同时,需要注意的是,卫星上所标识的云像元是云在卫星观测方向上的投影,然而真正受云影响的地面像元则是位于太阳对云的辐射方向所形成的地面阴影。对于有云存在的区域,当太阳对地面的辐照角度与卫星对地观测角度不一致时,会存在着一部分像元的判断错误,称为SCSG(Solar-Cloud-Satellite geometry)效应。基于SCSG效应,可将每幅受云影响的LST影像能够分为4个区域,分别是A区(晴空像元),B区(原本为晴空像元,被卫星误判为云像元),C区(卫星判断正确的云像元),D区(受云阴影影响,却能被卫星监测到地表温度的像元)。对于当前卫星遥感中云像元的检测方法,LST影像中数据缺失的区域是B区和C区。考虑到SCSG效应的存在,本研究对B区的地表温度估算采用晴空温度的估计算法;对于C区的地表温度估算则需考虑云对地表温度的影响(云下地表温度估算方法);同时由于D区是可被卫星所检测到的受云阴影影响的像元,本研究充分利用该区域作为样本数据去预测C区的云下地表温度。晴空温度的估算方法类属于时空插值算法,该方法基于相似性理论,以每个待插像元多幅时间上邻近的影像作为参考影像,以经验正交函数插值方法((Data Interpolating Empirical Orthogonal Function,DINEOF)与贝叶斯数据融合的方法相结合得到像元的晴空温度。云下地表温度估算方法,首先利用晴空插值算法计算得到缺值云像元的理论晴空温度,将其作为先验信息,再将其进行校正到真实的云下地表温度。校正方法以地表能量平衡为理论基础,将其理论晴空温度结合多种与地表温度相关的外源数据(地表短波净辐射、高程、植被指数、坡度、坡向、地表反照率等),以D区的数据作为样本点。基于自适应多元回归样条函数训练样本数据得到云下地表温度的估算模型。估算结果分两部分进行验证:对于晴空温度的验证是对青藏高原的真实缺失数据区域以及人工构建的大范围缺值区域进行插值,并比较多种方法的插值效果。而对于云下地表温度的验证是通过对D区数据进行云下地表温度估算,与D区的真实数据进行对比分析,同时将估算结果与站点实测的地表温度进行对比分析。实验结果表明本文的地表温度估算方案是有效的,能够有效应对大面积缺值的情形,插值精度优于前人方法(Yu方法)、基于时间序列的谐波拟合法(HANTS)以及传统的地统计插值方法。在晴空温度插值实验中,插值结果与真实数据之间的相关系数(SR)均在0.9以上,具有高度相似的空间分布模式。夜间影像的插值精度高于日间影像的插值精度,夜间影像的平均绝对误差(MAE)在0.91～1.42℃之间,均方根误差(RMSE)在1.19～1.92℃之间,SR在0.93～0.94之间;日间影像的MAE在1.43～2.78℃之间,RMSE在1.97～3.64℃之间,SR均为0.9。在云下地表温度的估算实验中,D区的云下估算结果与其真实数据对比结果显示,其RMSE在3.59～5.88℃之间,MAE在2.84～4.66℃之间,SR在0.71～0.77之间。为了评估本文云下插值方法的估算精度,应排除MODIS LST本身的固有误差。我们首先对比了2004年全年的MODIS LST已知数据(A区和D区)与站点数据,结果表明MODIS LST与实测的站点数据的空间相似性很高,其SR达到了0.95;但地表温度存在着明显差异,其MAE为3.85℃,RMSE为5.08℃。两者之间的误差受下垫面的不均匀性、青藏高原的复杂地形以及时空尺度的不匹配性等因素的影响。本文将缺失数据(C区)的估算结果与站点数据相比,相关系数为0.94,MAE为3.89℃,RMSE为4.77℃。考虑到MODIS LST数据在青藏高原地区与站点数据的固有差异,本文的估算结果能够将误差控制在合理的范围内,说明了本文方法对云下地表温度估算的有效性。