在气候变暖和城市快速扩张的共同作用下,城市热环境变化给生态环境和社会经济带来了深远影响,研究城市热环境的时空变化特征具有重要意义。目前针对近地表热岛效应的研究主要依赖站点观测,其较粗的空间分辨率无法表征热环境的精细空间差异。基于遥感反演的地表温度能够较好的反映地表热岛效应的空间格局,但是气温表征的近地表热岛效应对人体健康和舒适度更为重要。本文基于多源空间数据和站点数据开展了气温空间精细化的研究,并在此基础之上对长三角热环境变化及影响因素进行了深入的分析。根据气温站点及格网数据研究了长三角地区近四十年热环境的时空变化特征。评估了气温站点数据和格网数据的空间代表性,发现站点和格网数据都有各自的局限性。因此,基于空间降尺度和遥感估算两种思路,运用多元线性回归、BP神经网络、支持向量机和随机森林4种机器学习方法进行了气温数据的精细空间化。通过对比不同方法在长三角地区的表现,确定了适用于高度城市化、复杂下垫面区域的气温空间化方法。利用研制的1km气温精细化格网数据分析了长三角地区城市近地表热岛效应的时空变化特征,与地表热岛效应进行对比分析,并探讨了该地区土地覆盖及变化对热环境的影响。主要结论如下:（1）基于研究区站点观测数据的研究表明,各站点气温和土壤温度的空间分布和季节变化都较为一致;在春季和夏季呈现沿海向内陆逐渐升高的变化,到秋季和冬季变为由北向南逐渐升高的空间分布,全年平均基本呈现北低南高的空间变化。气温和土壤温度在近40年都呈现显著的升高的趋势。基于气温站点观测数据对两种气温格网数据进行评估,中国地面气温月值0.5°×0.5°格点数据集（SURF）月平均最高气温在该地区表现（R=0.991,MAE=0.671℃）优于European Center for Medium-Range Weather Forecasts（ECMWF）再分析产品ERA5（R=0.996,MAE=0.957℃）。但是,由于站点气温数据空间代表性不足而现有的格网气温数据分辨率较粗,两种气温数据都无法满足精细的热岛效应时空变化研究需要。（2）基于空间降尺度和遥感估算两种思路,利用多元线性回归、BP神经网络、支持向量机和随机森林4种机器学习方法开展了1km分辨率气温格网数据空间精细化,并利用站点观测气温数据对不同方法的结果进行评估。结果表明,空间降尺度模型中,基于随机森林的降尺度模型具有最高的精度（R=0.992,MAE=0.905℃）;遥感估算模型中,基于随机森林的估算模型气温具有最高的精度（R=0.993,MAE=0.786℃）。两者相比,基于随机森林的遥感估算方法研制的气温数据精度高于空间降尺度的最优模型,并且其空间分布更能体现城市、山区、水体不同下垫面类型与周边区域的温度差异。造成这一现象的主要原因是由于本研究区具有高度城市化、复杂下垫面的特点,在粗分辨率下气温格网数据不能很好的反映气温高值和低值,因此基于降尺度原理在粗分辨率构建的模型应用到高分辨率空间变量无法很好体现空间差异。而遥感估算保留了站点监测数据在时间上的优点及准确性,并且弥补了其在空间上的不连续的缺点,其网格化效果较好。因此基于随机森林的遥感估算方法研制长三角区域的1km分辨率气温数据,并用于分析该地区城市热岛效应时空变化。（3）基于研制的1km气温数据分析长三角近地表热岛效应,并与遥感地表热岛效应进行对比。热岛强度计算结果显示:近20年来研究区近地表和地表热岛效应都较为强烈。空间上,两者分布类似,在长三角核心城市及发展较快的地区更强,近地表热岛强度最高达到2.8℃,而地表热岛强度最高达到4.8℃。时间上,都呈现夏高冬低的季节变化特征。两种热岛强度在空间和时间上具有一定的相似性,但是地表热岛强度总体上高于近地表热岛。通过计算在2001-2018年间热岛强度的变化率可知,城市快速扩张的地区热岛强度增率最高,而对于已经发展较为成熟的城市增率反而不如快速扩张的城市。通过土地覆盖与热环境的关系研究表明,长三角地区热环境变化主要是由于城镇用地不断增加,同时农田用地逐渐减少造成的。基于土地覆盖景观指数与热环境的相关分析可知,城镇用地的热环境与景观格局指数中最大斑块指数、景观面积百分比正相关,与分离度负相关。基于最小二乘法计算并分析气温与地表温度的时间耦合度,研究区大部分地区气温和地表温度存在正耦合关系,且耦合关系在近18年呈现减弱趋势。利用耦合协调模型分析了不透水面与夏季近地表热岛效应及地表热岛效应空间耦合协调度,不透水面与夏季近地表热岛效应及地表热岛效应耦合度和耦合协调度在2001-2018年间呈现增加的趋势,城市扩张对热环境影响不断增强。在2001-2018年间气温与地表温度耦合关系逐渐减弱的背景下,不透水面增加对热岛效应加剧的作用逐渐增强。