城市化的飞速发展使得城市热岛效应日渐严峻。城市热岛效应危害城市生态系统健康,给城市居民生存环境以及自身健康带来了不利影响,并对城市可持续发展带来巨大挑战。传统的凭借地面气象站点观测研究城市热岛效应的方法不易构建可靠的（结果依赖于站点位置）、时空意义明确的热岛效应模式。而遥感技术手段凭借着强时效性、覆盖面广、易于获取和高时间频率等优势,成为热岛效应动态监测研究中的重要手段。本研究利用2000-2020年长时间序列的Landsat与MODIS系列遥感数据,通过STARFM（Spatial and Temporal Adaptive Reflection Fusion Model）和ESTARFM（Enhanced Spatial and Temporal Adaptive Reflection Fusion Model）时空融合算法,量化了合肥市热环境空间格局分布特征及演变趋势;提取了各年份城市热岛高温区的地表温度与相关因子,分析了城市热岛高温热环境与驱动因子之间的关系;基于面向对象的方法对合肥市土地覆盖类型进行了分类,并探究了土地覆盖类型与城市热岛强度等级之间的空间关联性;以2000-2020年合肥市城市热岛高温热环境与土地覆盖类型为基础,基于CA-Markov模型模拟了模拟了合肥市2030年热环境与土地覆盖类型。主要研究结果如下:（1）STARFM和ESTARFM时空融合算法在地表温度融合方面表现均较好,但从评价指标看STARFM比ESTARFM更适合本文的研究区。基于独立实际观测图像的验证结果表明:STARFM的R2达到0.6005,标准差SD（Standard Deviation）为2.6589,平均绝对误差AAD（Average Absolute Deviation）为1.6580、均方根误差MSE（Mean Squared Error）为1.9309,结构相似性指数SSIM（Structural Similarity Index）为0.9792;ESTARFM的R2为0.5855,SD为2.6589,AAD为1.9886、MSE为1.9309、结构相似性指数为0.9377。（2）本研究选择逐步回归模型和随机森林模型对相关因子进行重要性筛选并进行了地表温度建模分析。从拟合与验证精度来看,随机森林模型优于逐步回归模型。随机森林拟合R2达到0.7433,优于逐步回归的0.5173,其验证R2达到了0.6957,也优于逐步回归的0.4116,而且在平均绝对误差、均方根误差等方面都有较好表现。逐步回归建模选择了NDBI、DEM、NDSI和NBR作为逐步回归的因子;随机森林建模则选择DVI、NBR、B1（蓝光波段）、B3（红光波段）、B4（近红外波段）、TC＿G（缨帽变换-绿度）、NDVI、TC＿B（缨帽变换-亮度）、NDBI、NDSI作为建模因子。（3）2000-2020年间,合肥市热岛效应总体呈现出加剧的趋势。二十年间,高温区域扩张十分明显,由2000年的638.8092km2上升到2020年的886.3101km2;中温区和次高温区呈现出逐年减少和逐年增加的趋势,面积分别减少和增加了520.1578km2和243.3762km2;次低温区及低温区面积变化不明显。（4）以2010年城市热岛高温区和土地覆盖类型图为基础数据,基于CA-Markov模型模拟了2020年合肥市高温热环境和土地覆盖类型空间分布,并根据2020年实际反演和分类数据验证模拟精度,Kappa系数分别为0.6751和0.8827。利用CA-Markov模型预测2030年合肥市城市热岛高温区和土地覆盖类型,预测结果表明,未来合肥市热岛高温区与城镇区域依然有持续增强的趋势,城市热岛效应将会不断增强,可以采用合理规划城市布局、减少人为热排放、增加城市绿化、构建海绵城市等举措应对。