由于我国工业化、城市化进程的加快,致使大气污染问题日益严重。在大气污染排放物中,由地表热异常点中的秸秆焚烧和重工业企业生产活动排放的污染物占比最大。卫星遥感技术能精准快速地监测热异常点,弥补了传统人工监测的耗时和不精确等问题,已被应用于我国热异常点的监测研究中。MODIS传感器热异常数据产品具有完整的时间序列,适合作为研究长期热异常年际变化趋势的数据。由于MODIS数据下载、处理困难,致使利用它对我国大陆地区长时间序列下热异常点的时空分布特征的研究较少。在我国热异常点的时空分布特征中,选取火点分布密集的地区,分类识别出热异常点中的重工业热源对象,有助于理解区域产业分布。VIIRS传感器的热异常数据产品VNP14IMG具有375m空间分辨率,对较小区域面积的温度异常波动监测更佳。经过对比MODIS与VIIRS热异常产品监测的火点数量可知,VIIRS数据产品监测的数量比MODIS多近5倍,因此选用VNP14IMG作为数据源,分类识别重工业热源对象,是一个值得研究的问题。本文的主要工作如下:（1）提出了一种处理长时间序列的MODIS数据产品的自动化提取方法。针对MODIS热异常数据产品的数据量级大、下载、处理困难问题,及热异常点时空分布特征研究中的区域性、时间性等方面的需求,设计了热异常产品的预处理、汇总归档长时间序列数据集、支持不同应用需求处理等流程的自动化处理。为验证自动化提取方法的有效性,设计了人工、自动化提取两种方法的对比实验。实验结果表明,相比人工提取方法,自动化提取方法速度快、准确率更高,充分证明了方法的有效性。利用自动化提取方法对近20年（2001～2018年）的MODIS热异常数据产品进行了提取,并结合滑动平均算法,从空间分布、年际趋势、月季尺度等角度对我国大陆地区热异常点的时空分布特征进行了探讨分析。（2）提出了提取重工业热源对象的DBSCAN-GBDT及OPTICS-GBDT识别方法。针对重工业热源的识别利于理解区域工业结构的需求及传统的调查统计方法获取热源数据的耗时、更新速度慢等问题,基于聚类、分类算法设计了数据产品预处理、聚类处理获取初始热源对象、Google Earth高分辨率历史影像验证制作分类样本数据集、分类出重工业热源对象等流程。本文以华北平原地区2013～2019年VNP14IMG数据产品为数据源,重点选取n＿estimators、learning＿rate、max＿depth参数进行调节,得到了最优参数的两种识别方法,并以此为基础设计了两种识别方法的对比实验用于探究识别重工业热源的最佳方法。实验结果表明,利用两种方法提取华北平原地区2013～2019年的重工业热源时,OPTICS-GBDT方法比OPTICS-GBDT方法提取的数量多2.8倍,OPTICS-GBDT识别方法识别效果更佳。（3）结合线性回归趋势分析方法及Arc GIS可视化工具分析了重工业热源对象的时空分布特征。针对典型区域内重工业企业的乱排和环保不达标问题及为区域工业布局的优化提供数据支持的需求,本文利用OPTICS-GBDT识别方法提取的华北平原地区2013～2019年的重工业热源对象,结合线性回归趋势分析方法及Arc GIS可视化工具从空间分布、省级、市级等角度对重工业热源对象的时空分布特征进行了讨论分析。结果表明,空间分布上,重工业热源数量自2013～2014年有小幅度上升后,2014～2019年呈逐年下降趋势,期间2017～2019年下降速率最高,为20.1%;省级尺度上,河北、山东省为每年重工业热源数量分布高省份,北京、天津市为每年重工业热源数量分布低省份（直辖市）;市级尺度上,河北省所辖的唐山、邯郸、石家庄市是重工业热源数量最高的城市。实验和应用结果表明,本文提出的处理长时间序列的MODIS数据产品的自动化提取方法及提取重工业热源对象的OPTICS-GBDT识别方法提高了热异常点提取和重工业热源分类识别的效率。对我国区域范围的环境监测及工业结构的调整优化具有一定的实用价值。