高空间分辨率逐时地表温度对生态、气候、水文等研究领域具有重要的价值。星载热红外遥感是定期获取大范围、高精度地表温度的唯一有效手段。然而,星载热红外遥感存在空间和时间分辨率相互制约的局限,使得高空间分辨率逐时地表温度目前仍然缺失。部分研究通过增强遥感地表温度的空间分辨率和拓展遥感地表温度的时间分辨率,提出了高空间分辨率逐时晴空地表温度重建方法。然而,这些算法操作复杂不易广泛推广和使用,且相关算法停留在100米以上空间尺度,这制约了更高空间分辨率（30米）逐时地表温度重建。为此,本研究提出了一种充分利用Landsat高分辨率空间信息的统计降尺度算法—RFT21算法;然后,利用RFT21算法和地表温度日变化模型耦合Landsat高分辨率空间信息和MODIS地表温度信息,从而提出了一种操作简单、耦合Landsat和MODIS数据的高空间分辨率（30米）逐时晴空地表温度重建方法。本文的贡献主要体现在:（1）提出了一种充分利用Landsat光学波段高分辨率空间信息的统计降尺度算法—RFT21算法。基于全球32个多样化研究区,本研究比较了7组回归核（不同程度利用Landsat-8光学波段高分辨率空间信息）和5种统计模型（多元线性回归、偏最小二乘回归、人工神经网络、支持向量机和随机森林）,从而通过结合最优回归核和回归模型提出了高精度、全球可操作的RFT21算法。研究结果表明,（1）回归核和回归模型的性能彼此依赖,但对于大多数回归核,特别是对于高维回归核,5种回归模型中随机森林最优。（2）本文提出的RFT21算法具有较高的精度和较强的全球可操作性。RFT21算法只需要自身可见光-短波红外波段作为输入;与经典的Ts HARP和HUTS算法相比,其平均RMSE降低超过15%。（2）设计了耦合Landsat和MODIS数据的高空间分辨率逐时晴空地表温度重建方案。本研究首先利用Landsat高分辨率空间信息和RFT21算法对MODIS地表温度进行降尺度,然后利用地表温度日变化模型将日内四个时刻的降尺度地表温度拓展至日内逐时,从而设计了高空间分辨率逐时晴空地表温度重建方案。研究结果表明:（1）与原始MODIS地表温度相比,本文重建方法估算的高空间分辨率地表温度具有相同的空间格局特征,且具有更丰富的空间细节。（2）与SURFRAD站点地表温度相比,本文重建算法估算的结果在PSU、SXF和FPK站点的平均绝对偏差小于2 K。本研究结果为高时空尺度地表温度的精准估算提供技术与理论支持,从而有望为城市地表热岛、地表蒸散发和土壤水分等研究提供高时空分辨率地表温度数据。