纪录片作为一种流行艺术形式,极大促进了各国之间的跨文化交流。其中,高质量的字幕翻译能让原作品在目标语观众中再获新生。基于对以往的文献梳理,作者发现传统的影视作品的字幕翻译研究主要有两个局限性:研究内容过于集中于影视作品的人物对话的分析上,研究对象大部分都只考虑单一的字幕文本,并未综合考虑不同模态之间的关联,也没有论述多模态之间的关联相互是如何帮助译者进行字幕翻译的,显然不够合理,也缺乏说服力。为弥补这些缺失,并为今后的字幕翻译研究提供有参考价值的建议,本文选择了描述现象的纪录片作为研究对象,从研究问题出发,对《习近平治国方略:中国这五年》（China:Time of Xi）的双语字幕进行翻译研究。《习近平治国方略》是第一部以习近平命名的纪录片,也是首次全面、系统地播出、解读习近平总书记治国理政思想的节目。首播后,在世界范围内取得了广泛的反响,是翻译研究的绝佳对象。本文以双语纪录片《习近平治国方略》为研究对象,提出了以下研究问题:1)译者通过哪些文本、画面、声音等模态的相互配合和作用,在翻译的过程中准确传递源语信息?在这个过程中采用了哪些字幕翻译策略?2)相比于传统文本翻译,作为双语纪录片的《习近平治国方略》在翻译过程中有哪些值得注意的多模态特征?3)双语纪录片《习近平治国方略》的翻译实践和研究会对今后的双语纪录片字幕翻译有何启示?多模态话语分析是建立在系统功能语言学上,研究多种模态如何共建意义的理论。1996年,Kress和van Leuween提出了视觉语法理论,将系统功能语言学的分析视角延伸到视觉层面。2007年,罗伊斯（Royce）以系统功能语言学和视觉语法为基础,从概念意义、人际意义、组合意义三个方面探讨多模态之间的关系。本文从研究问题出发,根据所搜集的语料,通过译例分析,从概念互补、人际互补以及组合互补三个层面,探讨译者如何通过对多模态手段的分析,通过哪些文本、画面、声音等模态的相互配合,从而跨越英汉两种语言的障碍,为目的语观众传达原纪录片内容。最后,作者总结出了《习近平治国方略》中五种常见的字幕翻译方法:浓缩、增译、细化、替换、视角转换。在此基础上,本文进一步总结了多模态话语分析理论对于字幕翻译的几点启示:压缩次要及重复信息、补全重要信息、明确隐含意义及态度、适当替换以顺应图声模态以及确保图文人称上的一致。此外,本文还有如下发现:首先,翻译字幕时应该综合考虑画面、声音、文字三种模态之间的关系,从而更好地做出翻译的选择;其次,各种翻译方法的使用主要是为了在最短时间内确保翻译以最简洁、最准确的方式传达原作品的含义;最后,相较于人际和组合互补关系,政治人物类记录片塑造人物的形象时更多地是从事实出发,这导致图文间的关系更多的考量是概念互补关系。译者在今后的记录片字幕翻译的研究中应重视图文模态间的概念互补关系。本文从多模态视角研究纪录片《习近平治国方略》的字幕英译,探索了译者为再现纪录片中文字、画面和声音等多种模态间的复杂交织、共生共现关系而使用的翻译策略,分析了译者为建构目标语多模态语篇意义而做出的努力,以期为以后的纪录片字幕翻译提供一定参考借鉴。