欧亚大陆气候环境脆弱,易受高温灾害侵袭。高温热浪是远超出气候常态的持续性高温天气事件导致的气象灾害,是全球最活跃的要素之一,未来高温热浪的频率、持续时间和强度将进一步增加,其对社会经济的影响也将持续增加,高温热浪的监测预警是应对气候变化行动的重要方面。卫星遥感数据可以从大尺度角度分析高温和高温热浪的时空格局,提供空间连续且分辨率更高的结果。本文基于多源遥感数据,结合站点数据和模式模拟数据,采用机器学习、深度学习方法,以欧亚大陆为主要研究区,对欧亚大陆日尺度近地表气温进行估计;另外,使用气象格网资料计算欧亚大陆的高温热浪数据集,分析欧亚大陆高温热浪的时空变化。本论文得出主要结论如下:（1）基于多源遥感数据、站点数据、模式数据估计欧亚大陆2003-2018年0.05°全天候每日近地表最高气温。使用的遥感数据产品包括白天和夜间地表温度、下行短波辐射、地表净辐射、叶面积指数、增强植被指数和反照率等,此外还有全球陆面数据同化系统（Global Land Data Assimilation System,GLDAS）模式气温产品,以及来自GHCN,GSOD和CMDC共4476个站点的观测气温。采用包括基于直方图的梯度增强模型（histogram-based gradient boosting,HGB）、随机森林（RF）、极端随机树（ET）和深度置信网络（DBN）的四种机器学习和深度学习方法进行建模。结合多尺度地理加权回归和K-means聚类方法将站点进行聚类并建立泰森多边形,由此划分研究区并建立区域模型。HGB模型估计精度最优,当样本特征中不含缺失数值时其决定系数（R~2）和均方根误差（RMSE）分别为0.984和1.736℃,而含有缺失数值时R~2和RMSE分别为0.985和1.812℃。本文测试了不同地表温度相关特征对HGB模型的影响,并且在不同土地覆盖、纬度、海拔和月份中对HGB模型的时空精度进行了检验。采用置换法分析各个特征的重要性,地表温度相关特征和辐射变量在Tmax估计中具有重要作用。最终将生成的每日最高气温产品与ERA5和CHIRTS Tmax产品进行了对比,结果可信,数据可靠。（2）针对欧亚大陆近年高温热浪事件频发的问题,利用1979-2018年CPC最高气温气象网格数据,综合使用绝对阈值和相对阈值定义高温热浪,并根据气候基准期的高温热浪事件强度分位数划分热浪等级,使用热浪的频率、强度和持续时间三个维度下共10个特征,从欧亚大陆整体、区域和像元尺度分析弱、中强和强3个等级高温热浪事件的区域差异和时间变化。结果表明:在1979-2018年,欧亚大陆区域整体平均高温日数显著上升,泰国地区年均高温日数最多,高温日数显著增加趋势最大的地区集中在印度尼西亚部分地区。从热浪事件强度来看,欧亚大陆整体的热浪事件强度的最大值和均值变化不显著,只有中欧地区的最高热浪强度和平均热浪强度呈显著上升趋势。欧亚大陆整体的累积强度也表现出显著上升趋势,其中上升趋势最大的地区集中在西亚。从热浪频率来看,欧亚大陆不同等级高温热浪的发生次数和天数显著上升,上升趋势也随着热浪等级提高而减小。总热浪次数和天数最多以及不同等级热浪的上升趋势最大的地区都分布在西亚地区。欧亚大陆发生高温热浪的平均初日日期是6月26日,平均终日日期是8月3日,并且平均初日日期呈提前趋势,终日日期则延后,平均热浪季节长度延长。不同等级热浪的发生时间存在南北差异:在低纬地区,高等级的高温热浪事件的发生时间早于低等级高温热浪,随着纬度提高,高等级的高温热浪事件的发生时间推迟,晚于低等级高温热浪爆发。不同等级的热浪季节长度具有区域差异,强高温热浪季节最长的地区在印度尼西亚部分区域。欧亚大陆热浪事件的最长持续天数显著增加,趋势为11.79 d/10a。