可靠的时空连续陆表日蒸散（ET）对于表征陆表和大气之间水和能量的交换以及实现有效的水资源管理至关重要。然而，传统基于热红外的ET模型容易受到云层的影响，导致模拟的ET在时空上的不连续。在本研究中，提出了一种新的两步重建框架（TSF），基于耦合土壤水分的双源能量平衡模型（TSEB-SM）的输出，生成中国大陆时空连续的陆表日蒸散数据集。在TSF中，首先使用深度神经网络（DNN）对时空连续的影响因子和TSEB-SM模拟的日蒸散进行训练。训练后的DNN模型能够重建大部分的缺失，但是对于云覆盖造成的极低太阳辐射下未能完成重建的区域，则通过参考蒸散发（ETo）进行填补。本研究中生成的日蒸散与不同的土地覆盖类型下的地表观测数据具有很好的一致性，其均方根误差（RMSE）为1.0 mm/day， 偏差（bias）为0.2 mm/day。在空间分布和时间变化方面，生成的日蒸散与其影响因子（土地覆盖、地表温度、下行太阳短波辐射等）具有较好的一致性。这表面TSF框架可以用于生成可靠的时空连续日蒸散数据集。并且在农作物用水监测、农作物估产和水资源管理等方面具有很高的应用潜力。

地表蒸散发,热红外遥感,TSEB-SM,时空重建