地表温度(Land surface temperature,LST)是表征地表水热状况和能量平衡过程重要的特征物理量,在农作物蒸散及长势监测、水循环、气候变化等应用研究中发挥着重要作用。由于地面观测站点的分布稀疏,热红外遥感技术已成为在大范围内快速获取地面温度的重要手段。但是,热红外遥感技术获取地表温度易受云的影响,云层覆盖导致的影像中的缺值是制约热红外地表温度数据应用和发展的重要因素。针对以往的研究难以重建云覆盖下地面真实的地表温度的难题,基于地面站点观测数据对云覆盖下地表温度的强代表性,建立了融合站点观测数据和无云部分热红外地表温度的有效重建模型,获得了 2003-2018年高精度的MODIS地表温度数据集。基于重建的地表温度数据,研究了近16年来地表温度的时空变化格局。同时,考虑到地表温度变化机制复杂,基于五种遥感地表温度驱动因素的时间序列数据和两种海洋指数数据,探讨了多种驱动因素与地表温度变化的相关性及驱动作用。主要工作和结论如下:(1)基于站点观测数据的精度高和不受云影响,能够反映云覆盖下真实地表温度的优势,建立了站点观测地表温度与晴空可用的地表温度之间的有效融合模型获得了2003-2018年时空连续的地表温度数据集。该数据集有效重建了能够代表云层覆盖下的真实地表温度值,克服了过去只能在假定无云条件重建地表温度的局限性。使用独立的站点观测数据进行精度验证,结果表明重建结果具有较高的精度,平均RMSE为1.42℃,MAE为1.32℃,R2为0.97。数据集已经发布,可以供全球的用户下载。(2)利用重建后的数据探究了近16年来地表温度的时空变化模式,捕捉到了多个显著线性变化的区域。根据逐像元的线性趋势分析结果表明全国62.5%的地区地表温度呈上升趋势,其中18.1%的地区显著上升(P<0.05),主要分布在内蒙古高原中西部地区、西藏的南部地区以及黄淮海平原附近,且升温幅度较大,变化斜率slope>0.075。而具有显著的降温趋势的区域主要集中在松嫩平原附近地区以及华南的部分区域,但降温幅度不大(-0.075<变化斜率slope<-0.05)。(3)系统的研究了地表温度与五种驱动因素的相关性,并探讨了地表温度对厄尔尼诺现象(ENSO)的响应。研究发现,在五种驱动因素中,NDVI与研究区地表温度表现为最好的相关性,总体为负的相关关系,其次是云量和大气水汽含量,而气溶胶和土壤水分对地表温度的影响较小。同时,对地表温度与ENSO的相关性研究发现,地表温度受暖事件El Nino事件的影响更为显著,对应月份地表温度距平正值出现的概率达76.74%,主要体现在秋冬季节,其中以1月份地表温度距平与ENSO的相关性最好。