遥感全天候地表温度产品因不受云雾覆盖影响、长时间序列等优点被广泛应用于气候变化、灾害防控等研究,在青藏高原冰川地区等多云雾地区具有很高的应用潜力和价值。然而目前遥感全天候地表温度产品的空间分辨率多为1 km中空间分辨率,在诸如冰川泥石流等较为精细化的灾害监测中面临空间分辨率不足的问题,进而影响了地表温度的进一步应用。为了提高遥感全天候地表温度产品在青藏高原冰川地区的空间分辨率,本文开展的主要研究工作如下:（1）针对青藏高原冰川地区,构建用于生成250 m全天候地表温度的降尺度模型。本文通过分析全天候地表温度与其时空影响因子高程、地表覆盖类型、植被指数、积雪指数、地表反射率等数据之间的关系,构建了全天候地表温度的降尺度模型,将全天候地表温度产品的空间分辨率由1 km提升至250 m,并对比了模型中所使用的多种线性、机器学习回归算法的精度表现。通过地面站点实测数据进行验证与方法对比,结果表明Light GBM机器学习方法的精度最高,通过该方法生成的250 m地表温度在站点处的RMSE白天与夜间分别为2.25 K、2.16 K左右,较原始1 km地表温度产品（TRIMS LST-TP）精度提升约0.3 K。图像质量指数的评价结果表明通过降尺度方法生成的地表温度不仅获得了大量的细节热信息,而且在空间格局和幅值上与原始1 km地表温度保持了高度的一致性。（2）在由降尺度方法生成的250 m全天候地表温度的基础上,构建用于生成100 m以及更高空间分辨率全天候地表温度的降尺度模型,并将该模型的应用范围扩展至整个青藏高原地区。进一步提升250 m全天候地表温度的空间分辨率时面临可使用的地表温度影响因子大量减少的问题,为此本文分析了在250 m空间分辨率下高程、坡度坡向、地表覆盖类型与地表温度的关系,重新构建了100 m及更高空间分辨率全天候地表温度降尺度模型,将全天候地表温度产品的空间分辨率由250 m提升至100 m与30 m。通过地面站点实测数据进行验证与方法对比,结果表明Light GBM机器学习方法的精度依然是最高的,通过该方法生成的100 m与30 m地表温度在站点处的RMSE白天与夜间分别为2.01 K、2.04 K左右。图像质量指数的评价结果表明100 m与30 m地表温度在250 m地表温度的基础上再次获得了大量的空间细节信息,并且在空间格局和幅值上保持了高度的一致性。此外本文选取了青藏高原另外三个典型区域进行降尺度分析,以验证提出的降尺度方法能否应用于青藏高原的其他地区。验证结果表明,通过降尺度方法生成的250 m、100 m与30 m全天候地表温度在站点处的RMSE白天分别为3.08 K、2.91 K左右,夜间分别为2.7 K、2.69 K左右。因此本文构建的全天候地表温度降尺度模型能够有效地应用于青藏高原大多数地区的地表温度降尺度过程。（3）对生成的250 m全天候地表温度进行时序分析,并分析了该地区的冰川泥石流灾害与全天候地表温度之间的关系。本文通过线性趋势分析方法对2003年至2019年青藏高原冰川地区的全天候地表温度时空变化进行精细化分析。结果表明该地区80%以上的区域近20年内都处于升温趋势,在白天与夜间的平均升温趋势分别为0.13 K、0.06 K每年。地表温度的空间分布主要受地形的影响,在山脉顶端温度低,山沟底部温度高。本文结合全天候地表温度与降水数据对冰川泥石流的发生条件进行研究,分析结果表明持续不断的高温、连续多次的降水、以及突变的地表温度都可能导致冰川泥石流灾害的发生。本文构建的用于生成青藏高原冰川地区高分辨率全天候地表温度的降尺度模型在保持较高精度与图像质量的同时将全天候地表温度的空间分辨率由1 km提升至100 m以及更高的空间分辨率,为该地区精细化的冰川泥石流灾害防控等研究提供了可靠的高分辨率地表温度数据。探讨了青藏高原冰川地区高分辨率全天候地表温度的时序变化,及其对冰川泥石流的影响。研究结果对青藏高原冰川地区高分辨率全天候地表温度生成和灾害监测具有一定的意义。