海洋水下温盐要素场是影响海洋过程和气候变化的重要环境因素,获取海洋温盐结构需要大量可靠的温盐数据作为支撑。然而可采集海洋内部状态的现场观测数据,特别是盐度资料,仍较为匮乏,表现为数据分布零散且时空分辨率不高,难以满足海洋科学研究需要。卫星遥感技术的发展为海洋科学研究提供了较高时空分辨率的资料,尤其是近年来发射的三颗盐度卫星,有效拓展了过去极为有限的海洋盐度观测信息。然而卫星资料仅能观测海洋表层,无法提供水下温盐数据。因此,如何结合卫星遥感资料和现场实测数据重构海洋三维温盐场是重要的科学技术问题。本论文针对热带印度洋水文保障的实际需求,为解决该海域海洋实测数据匮乏的问题,主要结合现场观测资料和卫星遥感产品,开展了卫星遥感盐度资料质量评估、偏差修正、垂向剖面反演方法改进和优化和基于多源数据的三维温盐重构技术研究,实现了复杂海区的多源资料融合与三维温盐场快速重构,构造了一套较完备的多源海洋资料重构技术框架,为海洋资料同化和数值模式初始场构建提供了技术途径和解决方案。论文成果主要包括:（1）海表盐度时空尺度分析。基于国际最新高分辨率卫星盐度产品和模式数据,开展热带印度洋海表盐度时空去相关尺度研究,讨论了不同产品在时空尺度上的共性和异性,并利用盐度通量方程分析了SSS时空去相关尺度的物理机制。研究表明:所有产品的空间尺度和时间尺度具有很好的一致性,均在赤道印度洋中部和阿拉伯海南部较大时空去相关尺度,通过盐度通量方程分析进一步发现,这两区域去相关尺度变化分别由淡水通量项导致和盐度平流输送引起。该研究结果可为不同地区SSS变异的控制机制提供了新的见解;（2）卫星盐度产品质量评估。针对卫星盐度产品质量问题,从产品精度和体现海洋现象的能力两个方面,引入了两种新的评估方法,信息熵和局部方差,对三颗盐度卫星SSS产品在全球和局部地区进行了质量评估,为进一步利用盐度卫星资料打下基础。研究表明:卫星SSS能准确地捕捉到周尺度上的盐度变化,卫星SSS可作为浮标表层盐度数据的实时质量控制（QC）。利用熵和局部方差对卫星SSS产品反映海洋现象的能力评估是有效的,可以比一般的误差分析（如均方根误差）提供更多的信息;（3）基于集成学习的卫星盐度产品偏差修正。针对卫星盐度数据近岸偏差较大,提出一种基于随机森林的卫星盐度偏差修正模型,对两个SMOS L3产品进行了偏差修正。并与现场实测数据和SMAP卫星比较,以评估修正模型的性能。同时讨论了不同海表特征对修正模型的影响。研究表明:修正后的SMOS SSS较原先在整体海域还是区域海域与实测资料更为吻合,特别在在阿拉伯海。海面参数对卫星盐度数据的修正效果随区域不同而变化,地理信息（经度和纬度）在修正模型中起到重要作用;（4）基于改进机器学习算法的三维温盐场重构。针对过往重构模型输入参量较为单一和在热带印度洋中小尺度海洋信息丰富海区重构精度较低问题,本章采取智能因子选取+机器学习的思路进行建模。引入基于信息流优化的K2算法对可能影响温盐剖面重构的11个海表参数进行特征选择,得到最佳的海表参数特征。并针对广义回归网络中光滑因子需要人工凭经验调节的问题,引入果蝇优化算法,自动寻找最优的光滑因子,建立月尺度温盐重构模型。最后针对不同模型在不同区域有着不同效果,无法通过单一模型调优获得最优模型,提出了Stacking模型融合算法将多个模型进行融合,建立天尺度温盐重构模型,并与实测资料对比,评估重构模型性能,研究表明:基于信息流优化的K2算法可有效提取海表参数特征,在海表参数中加入地理位置和时间起到了比分类更好的作用。月尺度重构温盐剖面的均方根误差小于ORAS5产品和气候态数据,体现了月尺度重构模型的优越性。修正卫星盐度可有效较低海洋表层（0-100m）重构剖面的均方根误差。Stacking模型融合方法较好融合了不同回归模型的优点,使得重构效果在各层优于最优的单个模型和两种线性模型融合方法。天尺度重构模型可有效应用于热带印度洋海区海洋内部温盐结构重构。