地表温度（Land Surface Temperature,LST）在环境生态和气候系统的研究中至关重要。因为卫星载荷量和传感器技术所限,很难获取高时间分辨率和空间分辨率的热红外遥感数据。空间降尺度是目前广泛使用的用于解决该问题的方法。空间降尺度方法在假设尺度不变性的前提下,使用合理的回归模型来建立LST和尺度因子之间的统计关系,并结合低空间分辨率LST和具有高空间分辨率的尺度因子来提高温度图像的空间分辨率。首先,考虑到不同地表覆盖类型的温度差异,本研究提出了一种基于改进的空间地理加权自回归（Improved Geographically Weighted Regression,IGWAR）模型的地表温度降尺度新算法。其次,考虑到地表温度降尺度过程中存在的尺度效应问题,构建基于改进的地理加权逐步自回归（Improved Geographically Weighted Stepwise Regression,IGWSAR）模型的降尺度算法。本研究以北京和张掖作为研究区,选择归一化植被指数、归一化水体指数、归一化建筑指数作为尺度因子,将中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer,MODIS）LST的空间分辨率从1000米降尺度到100米。以Landsat 8 LST作为参考数据进行实验,对结果进行了性能评估。本文主要的研究内容和结论如下:1.针对不同地表覆盖类型的温度差异,本研究提出了一种基于IGWAR模型的地表温度降尺度算法。该算法基于不同地表覆盖类型的温度差异系数优化了局部模型中的权重矩阵的计算方式。通过MODIS土地覆盖数据计算出研究区各地表覆盖类型的平均地表温度,从而利用IGWAR模型建立1000米下地表温度与尺度因子的回归关系,将该回归关系应用到100米即可得到100米分辨率的地表温度。将IGWAR算法的结果与三种经典算法进行了比较,其中IGWAR算法得到的地表温度的空间脉络和纹理细节最清晰,低温和高温区还原更准确。IGWAR算法的平均绝对误差和均方根误差最低,其中北京研究区分别为0.91℃和1.26℃,张掖研究区分别为1.13℃和1.66℃。2.针对降尺度过程中存在的尺度效应问题,通过逐步回归,构建基于IGWSAR模型的降尺度算法。使用Landsat 8 LST模拟该算法的降尺度过程,确定合适的中间分辨率。逐步回归过程中得到不同尺度下的参数数值不同,说明地表温度和尺度因子之间的定量回归关系在不同尺度下并不是严格不变的。并且随着尺度差异的增大,降尺度过程中的尺度效应愈加显著,降尺度精度降低。将该算法与IGWAR算法进行对比,结果表明,IGWSAR算法相比IGWAR算法准确度更高。IGWSAR算法在逐步回归过程中可以减少地表温度和尺度因子之间的局部回归关系在不同空间分辨率下的差异以及回归系数和残差在插值过程中的差异。