近地表空气温度是重要的生态环境变量，其精确监测对于人居环境、生态系统等的研究具有重要意义。高时空分辨率的近地表空气温度获取往往很困难，遥感数据受云雨天气的影响经常发生数据缺失现象，气象站点数据又难以准确表征空气温度精细的空间分布状态。本文综合利用遥感数据获取的空间分布信息和气象站点高频观测的优势，结合其他表现地表环境状态的辅助信息和空间地理要素，深入开展了遥感反演地表温度缺失数据的空间重建，基于多要素的卫星过境时刻近地表空气温度空间化建模和近地表空气温度时间序列重建等研究，实现了精细时空尺度温度场的模拟重建方法探索，主要研究内容和结论如下:
　　(1)本文在高空间分辨率地表覆盖类型的基础上，利用基于地表覆盖类型面积比例的线性加权模型对MODIS LST缺失数据进行了空间重建，经验证，地表温度重建模型估算结果的RMSE可以达到1.64℃，模型的R2为0.53。MODIS LST数据受云雨天气的影响缺失率很高，该方法可以提高LST的数据覆盖率，对于MODIS LST产品的应用具有重要的意义。
　　(2)本文构建了基于遥感地表温度、土壤水分含量、地表覆盖类型、植被指数、地形信息等的多要素近地表空气温度空间化模型。经验证，基于多种要素的卫星过境时刻近地表空气温度空间化结果精度较高，RMSE达到了0.7℃，R2达到了0.89。研究发现，各种近地表空气温度影响因子对空间化模型均有不同程度的贡献，其中地表覆盖类型的平均贡献权重最高，达到了25.9％，地表温度、土壤水分和高程的平均贡献权重紧随其后，分别达成21.9％、17.9％、15.4％，坡度、坡向、植被指数和云覆盖等其他影响因子的贡献权重逐个降低。在不同时段，各要素对空间化模型的贡献权重有较大变化，其中土壤水分和植被指数对模型贡献权重季节性变化明显。
　　(3)本文基于气象观测站点获取的每小时空气温度时序变化梯度数据（每小时温差），利用克里金空间插值算法得到每日空气温度逐小时梯度数据的空间分布信息，进一步结合相应的卫星过境时刻近地表空气温度空间化结果，实现了每日逐小时的近地表空气温度场的构建。经验证，总体上2019年研究区逐小时近地表空气温度监测结果的R2达到0.64，RMSE约为1.3℃。