本文在分析热红外遥感和现有的地表温度反演方法的基础上，分析了MODIS的波段设置特点，即虽然MODIS拥有8个热红外波段数据，但对于地表温度的反演，在大气透过率和地表比辐射率已知的情况下，使用其中的两个波段就足够了。根据热红外辐射在大气中传输的特点，MODIS热红外数据的第31和32波段最适合于用来进行地表温度的反演。MODIS的近红外波段适宜于反演大气水汽含量，而大气透过率主要是从MODIS的近红外波段数据反演得到大气水汽含量，并进而根据水汽含量与大气率的关系来进行估算。由于是从同一景MODIS数据中获得大气水汽含量，因此本文提出的大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。对于地表比辐射率的估计，也是从同一景MODIS数据的可见光波段和近红外波段来进行估计。因此，通过MODIS的可见光波段、近红外和中红外波段数据，完全可以获得地表温度反演所需要的基本参数，从而形成了针对MODIS数据的地表温度反演方法。 从热红外遥感和地表温度的基本概念、Planck方程简化、参数估计到算法实际应用和精度评价，得到的主要结论如下： (1)Planck函数是描述热红外辐射强度与温度和波段的关系，在地表温度反演中是关键的函数。本项研究探讨了Planck函数的线性简化方法，根据热红外辐射与温度之间的线性关系，对MODIS的第31和32热红外波段分别简化为：B31(T)=0.13834T31-31.80148；B32(R)=0.11952T32-26.8045。 (2)热红外波段的大气透过率是地表温度反演的基本参数。本项研究分析了大气水汽含量与近红外波段的大气透过率关系，介绍了从近红外波段大气透过率估计大气水汽含量的方法。针对MODIS的多波段特征，我们认为从同一景MODIS影像的近红外数据中反演大气水汽含量是可行的。通过反演大气水汽含量，我们进一步提出了MODIS热红外波段(31和32波段)的大气透过率估计方法。我们用这一估计方法对环渤海地区的大气水汽含量进行了反演，反演结果表明大气水汽含量的估计方法是可行的。 (3)在总结现有热红外波段大气透过率与大气水汽含量之间的关系基础上，建立了MODIS的第31和32热红外波段大气透过率与大气水汽含量之间的关系。在夏季，MODIS的第31和32热红外波段大气透过率可以分别估计为：τ31=-0.0213w+1.0188；τ32=-0.0252w+0.9671，其中w是大气水汽含量(g/cm2)；在冬季：第31和32波段的大气透过率可以分别估计为：τ31=-0.0246w+1。0187，τ31=-0.0274w+0.9494。我们用这些关系式对环渤海地区的MODIS数据的31和32波段的大气透过率进行了估计。 (4)在MODIS热波段1KM的尺度下，植被、土壤和水体是MODIS像元的基本地表构成要素。本文用ASTER提供的常用地物比辐射率曲线，对这些构成要素在MODIS数据的第31和32波段区间的比辐射率进行了估计。通过NDVI我们间接地估算每个像元中的植被、土壤和水体的覆盖度。因此，从同一景MODIS数据中，我们完全可以获得地表温度反演所需要的地表比辐射率。我们运用这一估计方法对环渤海地区的MODIS数据的第31和32热红外波段的地表比辐射率进行了估算，结果表明通过这种方法来获得混合像元的地表比辐射率是合理可行的，从而为地表温度反演中的参数估计提供了新的途径。 (5)现有的地表温度反演方法主要有劈窗算法和单窗算法。这些算法都不是直接对MODIS数据推导的。本项研究在分析这些算法的推导过程的基础上，结合我们对Planck函数的线性简化和上述提出的大气透过率和地表比辐射率估计方法，我们获得了针对MODIS的地表温度反演方法，即适合于MODIS数据的单窗算法和劈窗算法。我们用这两种算法对环渤海地区的MODIS数据进行了实际应用。 (6)用大气模拟数据法对我们提出的适合于MODIS数据的地表温度反演方法进行了精度评价。分析表明，单窗算法对31波段和劈窗算法对地表反演的精度比较高。在假定地表比辐射率已知的情况下，劈窗算法使用真实透过率和估算透过率反演的精度都在1K以下；对于单窗算法，使用31通道的精度比较高，而32通道相对较差。为了评价透过率变化时对地表温度反演结果的影响，我们还分别对这两种算法进行大气透过率的敏感性分析。结果表明，劈窗算法和单窗算法对大气透过率的微小变化不是非常敏感，因此，大气透过率估计的微小误差不会引起地表温度反演结果的很大变化。但是，相对而言，劈窗算法的地表温度反演精度比单窗算法的精度要高将近1K。