地表温度作为对地观测的重要数据,是衡量地球环境的重要参考指标,在气候变化、干旱监测与生态环境等研究中具有重要的意义,其中美国中分辨率成像光谱仪MODIS（Moderate-resolution Imaging Spectroradiometer,简称MODIS）传感器反演得到的地表温度LST（Land surface temperature,简称LST）数据产品因具有高时间分辨率、数据质量明晰且全球免费的特点,受到了广大科研工作者的青睐,然而由于云的影响与大气等其它干扰因素,使得MODIS LST数据产品不可避免的存在数据缺失情况。因此本文提出一种时空协同的方法对MODIS LST数据产品进行修复。首先,以相邻日期的LST数据产品作为辅助影像进行基于时序数据的修复。在修复前先基于影像平均温度差异进行辅助影像筛选,进而提出利用高斯分布函数对不同时序的辅助影像的同名点像元赋予不同的权重,接近于均值的像元赋予大的权重,偏离均值的像元赋予小的权重,从而降低了极大极小值等异常像元对计算结果的影响。但利用高斯分布函数计算得到的像元结果对待修复影像进行修复时,在修复结果中出现温度突变的现象,并且存在斑块效应,修复效果不佳,需要进一步优化修复方法。其次,针对修复结果不佳的问题,本文引入膨胀腐蚀算法对基于时序数据的修复方法进行改进。修复之前首先对待修复影像的无值区域进行膨胀预处理,从而消除掉有值像元边界区域的异常值像元,之后再利用高斯分布函数计算结果对待修复影像的缺失像元进行修复,最终修复结果相比未经过膨胀腐蚀处理的修复结果显得更加平滑,更加符合温度变化具有连续性的特征。但由于影像数据缺失严重,经过基于时序数据的修复之后,仍存在小范围的数据缺失区域,还需进行二次修复。最后,根据相同地物类型下地表温度具有一定相似性的规律,利用遥感影像缺失像元的空间邻域信息,引入地表覆盖分类数据对剩余的小范围数据缺失区域进行空间再修复。修复过程中首先确定缺失像元周围与缺失像元具有相同地物类型的有值像元,之后计算这些同类地物有值像元的均值,最后将均值作为待修复像元的值。通过对待修复影像的二次修复,最终实现了影像缺失部分的全部修复工作。综上所述,本文基于时序数据的大范围修复法与基于地物分类的空间小范围修复法相互协同的方式对地表温度进行了重建。首先基于高斯函数对辅助影像进行权重计算并进行数据修复,针对修复结果存在的问题提出了基于膨胀腐蚀的改进方法,修复结果表明改进后效果优于改进前的效果。之后针对基于时序数据的大范围修复结果中仍存在小范围数据缺失的情况,本文又利用基于地物分类的空间再修复法对待修复影像进行二次修复,最终实现了对待修复影像的完全修复,并且经过验证,修复精度达到1℃。该论文有图43幅,表14个,参考文献61篇。