气温在全球气候变化、自然灾害监测、农业区划、生态环境评价等方面的研究均是重要的输入参数之一。传统地利用气象站点的观测值进行空间插值或者绘制等值线模拟气温空间连续分布的方法,由于气象站点的分布不均匀和研究区的复杂地形条件等因素的影响,给气温空间分布的模拟结果带来很大的不确定性,使其应用受到了极大的限制。因此,基于遥感数据的气温空间分布模拟研究成为模拟气温的重要研究方向。但是,由于遥感数据通常易受到太阳高度角、传感器、云覆盖等大气因素的影响,降低了遥感数据的质量和气温空间分布模拟的可信度。为此,在遥感数据长时间序列重建的基础上,并充分考虑地理和地形因素对气温共同的影响,将进一步提高近地表气温空间分布模拟的精度,对于起伏地形下的气温空间分布的应用也更有意义。本文主要开展了以下四方面的研究工作:(1)重庆市陆表温度数据质量评价。通过统计重庆月平均、年平均云量和日照百分率以及LST数据质量控制文件,研究发现,重庆2006~2015年历年年均日照百分率在21%~31%之间,10年平均总云量为7.7成,与Aqua星相比,Terra星获取的LST数据可用性较高,10年中以2013年的LST数据可用性最好,2012年的LST数据可用性最差。(2)重庆长时序陆表温度数据的重建。重庆地区由于受云雾影响严重,获取的LST数据存在大量缺失值,本研究利用Hants方法和Savitzky-Golay滤波分别对重庆2006-2015年的LST数据进行长时间序列重建,重建结果表明:总体上Savitzky-Golay滤波法对白天、夜间LST长时序数据重建精度均优于Hants方法,两种方法对夜间LST重建精度均在2℃以内,重建白天的LST数据精度在2℃左右,夜间LST数据的重建效果要好于白天数据的重建结果,选取重建较好的S-G滤波结果作为气温模拟的数据源。(3)重庆月平均气温空间连续分布的模拟。本研究选取了影响气温的气象站点地理数据和遥感地表参数产品,研究了气温与选取影响因素各自间相关性,并分别建立了气温与气象站点地理数据和气温与遥感地表参数产品的多元线性回归模型,最后建立气温与所有选取影响因素的多元线性回归模型,同时比较分析三种模型的拟合优度及其差异,采用实际验证的方法检验气温与所有因素的多元线性回归模型的准确性,多年月平均气温模拟结果的RMSE在0.67℃~1.21℃之间,根据检验结果选取气温与综合因素的多元线性回归模型作为月平均气温空间连续分布模拟的最终结果。(4)基于海拔高度、土地覆盖类型对重庆2015年1月、4月、7月、10月的平均气温空间分布做定量分析,研究发现,2015年重庆1月、4月、7月和10月的月平均气温的最小、最大及平均值均随着海拔高度的升高而降低,在不同的海拔高度分布上月平均气温的最小、最大及平均值均呈现出了随着月份的推移先增后减的趋势。2015年重庆1月、4月、7月和10月的月平均气温最大值在不同土地利用类型下较为接近,月平均气温的整体平均值稍有差异,依次为建筑区>水体>农用地>裸地>植被,月平均气温最小值和最大值相差较大,建筑区最小,其次为水体,植被、裸地、农用地较为接近。