作为陆气相互作用的重要驱动因子，地表温度（LST）在多种地学研究领域中得到了广泛应用。在山地区域，复杂的地形条件与频繁的云覆盖对具有更高时空分辨率的LST产品提出了更高需求。以往研究主要针对云下LST重建或降尺度两个独立问题提出了多种方法，以缓解热红外观测中云遮挡和空间分辨率较低的限制。然而，这些方法多数仅聚焦单一问题，难以有效应对山地云雾频发与分辨率不足并存的复杂情况。本研究提出了一种基于年温度循环模型（ATC）的约束重建方法，可同时实现云下LST重建与降尺度。该方法分别利用极端梯度提升回归（XGBoost），建立地表参数与ATC模型参数之间的非线性关系，以及地表参数与由ATC模型拟合过程中得到的残差项之间的关系。为确保建模样本的空间代表性，晴空像元通过基于空间邻近度的动态窗口逐步选取。随后，将训练得到的模型应用于高分辨率地表参数数据，以生成30 m分辨率的全天候逐日LST产品。该方法在王朗国家级自然保护区（2022年）进行验证，所得30 m日尺度全天候LST与地面实测温度对比的RMSE为3.76 K，显著优于传统“重建–降尺度”两步法的结果，表明本方法在复杂地形区域具备更高的精度与适用性。
 

地表温度,热红外,降尺度