海表温度（Sea Surface Temperature,SST）是近海水环境和生态系统中的重要动态因子,获取高精度SST并掌握其时空变化特征是监测近海环境和管理近海海域的必要条件。遥感技术弥补了传统船舶、浮标SST监测数据在时间频率和空间覆盖度方面的不足,但现有全球SST遥感产品在近岸近岛处存在精度不佳、数据缺失以及空间细节不足等问题,且传统物理反演算法因对复杂辐射传输过程的简化而在不同海水条件下适宜性和可移植性较差。此外,北黄海海域SST的算法适用性和时空变化需要更为全面的验证与分析。鉴于此,本研究以北黄海辽东半岛东部海域为研究海域,协同利用MODIS遥感数据与海洋台站/浮标实测数据,构建基于机器学习的近海SST最优反演模型,并评估Landsat-8遥感数据应用于研究海域的最佳反演算法,在此基础上,综合利用多尺度反演结果分析SST的时空变化规律及空间变异性。主要研究工作如下:（1）基于2013～2020年MODIS遥感数据,利用随机森林（Random Forests,RF）优化了反演所需特征变量的选择过程,构建了耦合台站/浮标实测数据、卫星观测角度和观测时间等特征变量的机器学习反演模型,得到了1 km分辨率的辽东半岛东部海域长时序SST数据集。同时,利用实测数据对比验证了机器学习模型、传统劈窗算法和回归统计模型的SST反演结果,结果表明,本研究提出的RF模型反演精度最高（R~2=0.987,SD=0.842℃,MAE=0.675℃,RMSE=0.841℃）,与传统劈窗算法相比精度提升了46.3%,且有效校正了传统物理算法在冰期的反演误差。另外,将RF模型应用到2021年的MODIS独立样本数据时仍具有较高的反演精度（R~2=0.961,SD=1.046℃,MAE=0.956℃,RMSE=1.154℃）,表明模型具备良好的外推性和广泛的应用价值。（2）基于2013～2020年Landsat-8遥感数据,利用台站实测数据对比评估了辐射传输方程法、覃志豪单窗算法、普适性单通道算法以及Rozenstein劈窗算法的SST反演精度,得到了100 m分辨率的辽东半岛东部海域SST数据集。结果表明,覃志豪单窗算法为Landsat-8在研究海域的最佳反演算法（R~2=0.985,SD=0.732℃,MAE=0.632℃,RMSE=0.751℃）。Landsat-8反演结果对SST空间变化细节特征的描述更为具体,能够辅助MODIS进行高精度精细化的近海SST监测。（3）综合利用中分辨率MODIS和高分辨率Landsat-8的多尺度SST反演结果,分析了研究海域SST的时空变化规律及空间变异性。结果显示,研究海域内SST均表现出一峰一谷的周期性年变化规律,最高温出现在8月中上旬,最低温通常出现在2月中旬至3月初。SST季节内的空间分布特征除了受到太阳辐射变化的影响外,亦与黄海暖流和相关沿岸流的季节变化有关。此外,SST在1 km尺度内的空间变异程度受海冰、风速和降水等因素的影响,呈现出冬季最强,春季次之,夏、秋季弱的季节变化趋势,表明在春、冬两季,应充分借助空间分辨率高于1 km的遥感数据来实现更精细化的SST动态监测。本文实现了有限实测数据下的高精度近海SST反演,并为北黄海近海海域精细化SST的反演算法选择提供了有效参考,同时发挥了不同尺度遥感数据在近海的应用潜力,为SST在近海水环境综合治理的应用研究奠定了理论基础,为近海海域建设提供了可靠的SST监测手段和长时序数据支撑。