叶面积指数（LAI）是探究全球气候变化的重要植被指标之一,也是表征植被冠层的动态变化及陆面模式的重要参数之一。但由于大气环境、单一数据源等多重因素的影响,导致LAI数据质量较低、时空数据不连续、数据缺失等问题出现,进而影响LAI在多种模型中的应用。为提高LAI的数据质量及时空分辨率,本研究提出了基于时空融合LAI重建方法,首先根据土地覆盖类型及质量控制文件,采用像元质量分析法对MODIS LAI、MuSyQLAI分别进行低质量替换,然后,基于STNLFFM模型（A spatio-temporal integrated temperature fusion model）和S-G滤波、年序列异常值检测综合滤波进行LAI数据的时空融合及时间序列重建。将重建后的LAI数据应用至静态植被模块下的Noah-MP模式中,并设计对比实验,探讨LAI数据变化对土壤温湿度模拟的影响。研究主要结论如下:（1）基于时空融合LAI重建方法生成的LAI数据,精度验证表明,融合LAI与高分辨率LAI有较高的一致性和相似性,相关系数均高于0.7,均方根误差均低于1.2,结构相似度均值为0.81。融合LAI的地面观测数据验证表明,相关性R为0.75,均方根误差为0.92。交叉验证分别从时空连续性、时空一致性进行定性和定量分析,融合LAI在空间连续性和反演比例上大幅提升,时间连续性中缺失频率有所下降,融合LAI具有合理的波动幅度和频率,且在季节上和不同土地覆盖类型下与其他LAI产品具有一致的变化,站点尺度上,融合LAI与站点观测值的变化趋势相似度较高。时空分辨率提高到了5d,500m,时间序列曲线平滑度较好,噪点少,LAI数据整体质量较好。（2）融合生成的LAI时空变化特征分析结果表明:2010～2015年整体LAI时序曲线较为平滑,峰值和谷值特征突出,无明显噪点和拐点;4～10月植被生长季LAI值较高,非生长季LAI值逐渐降低,年内变化差异显著,不同土地覆盖类型的LAI值年际变化呈现上升趋势。LAI空间整体变化趋势自东南向西北逐渐减小,季节变化由大到小依次为:夏季>秋季>春季>冬季;生长季最大LAI值主要分布在东部沿海地区,非生长季LAI值明显下滑;我国大多数区域LAI值处于中等变异和稳定的范畴,其变化趋势以上升趋势为主。（3）为分析融合LAI对表层土壤温湿度的影响,分别设计多组对比试验（模式原始、原始MOIDS LAI、重建MODIS LAI、Mu Sy Q LAI、融合LAI）,模拟中国区域2014年土壤温湿度。土壤温度模拟结果表明,我国土壤温度的空间分布大致呈三大阶梯自东南向西北递减,融合LAI的土壤温度较模式原始平均升高0.09℃,均方根误差有所降低,且纬度越低改善效果越明显。时间尺度上,在生长季,融合LAI模拟效果较好,且优于模式原始模拟效果,均方根误差较模式原始平均下降0.083℃,平均绝对偏差降低0.5℃,但在非生长季与模式原始模拟结果差异不大。土壤湿度模拟结果表明,融合LAI模拟结果改善了模式原始的低估,土壤湿度空间分布自西北向东南逐渐递增。与模式原始结果相比,融合LAI结果大多数处于湿度增加的状态,在西北、西南和东北及东部沿海地区湿度降低,均方根误差低于0.1 m3/m3的站点比例升高,均方根误差高于0.12 m3/m3的站点比例有所下降,整体土壤湿度模拟效果有一定的改善。时间尺度上,融合LAI模拟的土壤湿度更接近站点实测数据,其均方根误差、偏差、相关系数均优于其他数据模拟结果。