地表长波辐射是地表辐射收支和能量平衡的重要组成部分，它对气候变化的研究有重要意义，同时地表长波辐射的各个分量(地表上行长波辐射，地表下行长波辐射和地表净辐射)是许多生态模型，陆面过程模型，蒸散量估算模型以及水文模型的重要输入参数，在农业、气象、生态以及水文方面有广泛的应用。　　本文利用MODIS的多种数据产品用已有的两类晴空下行长波辐射模型和两类晴空上行长波辐射模型对地表长波辐射进行了估算，并于分布在全球的22个站点以及在中国北方地区的12个站点上进行了验证和比较。研究结果表明，这些晴空模型能够较好地估算地表上行和下行长波辐射。8个利用MODIS提供的近地层温湿度数据进行地表下行长波辐射估算的模型中，Prata模型，Angstrom模型和Idso2模型精度最高，而Swinbank模型和Idsol模型在地表下行长波辐射较大的情况下会高估地表下行长波辐射。用MODIS大气顶辐亮度直接估算地表下行长波辐射的Wang-SDLR模型，精度仅次于Prata模型，Angstrom模型和Idso2模型，也能够较好地估算地表下行长波辐射。对于估算地表上行长波辐射的两个晴空模型，直接用MODIS大气顶辐亮度估算地表上行长波辐射的Wang-SuLR模型，尤其是经过系统误差纠正后的Wang-SULR模型，在中国北方区域估算精度有高于地表温度-发射率模型，而Wang-SULR模型在全球范围内选取的站点上的验证结果则没有表现出明显的优势。　　在多模型验证结果的基础上，本文提出用贝叶斯模型平均(BayesianModelAveraging，BMA)的方法，融合多模型估算值求得更优的地表下行长波辐射估算值。研究结果证明，基于BMA方法的地表下行长波辐射的估算值相比于任何单个的模型，更加接近于地表观测值。在两个森林站点，基于BMA方法估算值的RMSE比最优单个模型的估算值减少了10W/m2左右，为总RMSE的三分之一左右，R2都增加了0.05左右；在两个草地站点，基于BMA方法估算值的RMSE比最优的单个模型RMSE分别减少了4W/m2和1w/m2，R2都增加了0.05左右，在农田和沙漠站点，基于BMA的地表长波辐射估算值RMSE都有所减少，R2都有所增加。　　本文还对阴天下估算地表净长波辐射的方法进行了探索，基本思路是利用地表净长波辐射与地表下行短波辐射以及云、大气以及地表性质等参数的相关关系，通过建立线性回归模型用这些参数估算地表净长波辐射。研究分别在四种地表类型上建立了4个估算阴天下地表净长波辐射的线性回归模型，初步验证结果表明模型能够较好地估算该地表类型下的阴天净长波辐射，偏差在10W/m2以内，RMSE在30w/m2以内。本文还尝试使用偏最小二乘回归方法和BP神经网络算法估算阴天下的地表净长波辐射，结果表明相对于线性回归的方法，这两种算法并没有大幅度提高估算精度。