地表温度(Land Surface Temperature, LST)是描述陆地表面能量交换过程和反映地表特征的重要参数。卫星遥感是区域或全球尺度地表温度快捷获取的最佳手段,目前从主要的星载热红外传感器得到的地表温度空间分辨率仍较低,极大地限制了地表温度的应用。在相同遥感数据中,可见光/近红外波段的空间分辨率通常较热红外波段更高。实践证明,把热红外波段数据与空间分辨率较高的可见光/近红外波段数据进行融合,可有效地提高地表温度图像的空间分辨率。由于空间分辨率是通过像元尺度来表示,因此,提高地表温度图像的空间分辨率,实际上就是对地表温度图像的像元分解,把大尺度的像元分解成较小尺度的像元。目前虽然已经提出了不同的像元分解方法,但根据地表组分来进行地表温度图像像元分解,并且保持分解前后像元热辐射特征不变,一直是热红外遥感应用研究的重要方向。本文的研究目标是,以Landsat 8为遥感数据源,以能量平衡为原则,综合不同地表组分热辐射的异质性和不同空间分辨率的可见光/近红外波段数据与热红外波段数据的融合方法,对100 m空间分辨率的地表温度数据进行像元分解,以期将地表温度的空间分辨率提高到30 m,从而实现高空间分辨率地表温度数据的获取。本文的研究方法是,提出了一种地表温度光谱分解模型(Temperature Unmixing with Spectral, TUS),成功实现了地表温度的像元分解。首先,基于线性光谱混合模型获得不同地表组分的丰度值；基于温度/植被指数选取地表组分典型端元的地表温度；综合不同地表组分的比辐射率数据计算得到30 m空间分辨率的初次分解地表温度数据。然后,基于30 m空间分辨率的初次分解子像元的地表温度数据,计算得到初次分解子像元的辐亮度和辐射通量数据,从而获得初次分解子像元辐射通量占其父像元辐射通量的权重。最后,通过子像元权重计算得到子像元的辐亮度,从而获得30 m空间分辨率的地表温度数据。为了验证方法的可信性,分别采用升尺度降尺度验证方法和对比分析方法,评价论文提出的TUS模型的精度。以改进型单窗算法反演得到的100 m空间分辨率的地表温度作为“真值”,首先通过升尺度得到300 m空间分辨率的地表温度数据,然后,分别采用TUS模型、SUTM模型和E-DisTrad模型降尺度得到100m空间分辨率的地表温度,最后,与“真值”进行比较,评价三种模型的优劣性。研究结果表明,基于TUS模型实现了Landsat 8地表温度的像元分解,将地表温度的空间分辨率提高到30 m,相较于热红外波段的空间分辨率(100 m)提高了近3倍。同时,地表温度的像元分解反映出不同地表组分地表温度的空间差异性,地表温度的分布状况与下垫面类型有较好的一致性。同E-DisTrad、SUTM模型相比较,TUS模型不仅有效地保证了地表温度像元分解前后热辐射能量的一致性,而且像元分解的精度最高,平均绝对误差(MAE)和均方根误差(RMSE)分别为1.71K和2.37K,而SUTM、E-DisTrad模型的MAE和RMSE分别为：2.04K、2.79K和2.23K、3.20K。因此,地表温度光谱分解模型非常适合于复杂地表覆盖地区的地表温度影像数据的降尺度处理。