近年来,针对气象因子的空间数据局部缺失值的探测研究引起了广泛关注。例如地表温度,对地球表面与大气间水热的平衡和能量的转换过程有着重要的影响,是不可或缺的重要参数。地表温度的估算在城市热岛效应、极端气温监测、干旱监测、地球表面的热量平衡和辐射以及全球性的气候变化等研究领域均有着重要应用。本文提出了一种地表温度的语义插值算法,通过将层次化的地理语义,嵌入空间插值模型,利用语义相似度度量因子权重,提出了一种语义反距离权重插值法（Semantic Inverse Distance Weighting,S-IDW）并完成空间插值估算。先对研究区的地表温度进行了遥感反演,结合反演结果与地表观测数据,评估了语义插值算法与其它算法的精度效果。主要的研究结论如下:（1）基于大气校正法,利用Landsat 8 TIRS数据进行地表温度反演,获得了两个研究样区及其邻近区域的地表温度数据。基于实测地表温度的检验方法对反演出来的地表温度进行验证,通过对安徽省9个气象站点不同时间段内的53条气象台站测量记录的0cm地表温度与反演得出的相应的地表温度进行Pearson相关性分析以及回归分析。研究发现无论是平均0 cm地表温度、最高0cm地表温度还是最低0cm地表温度都与相应站点的地表反演温度有较强的相关性,且回归效果较好。（2）在土地利用现状分类（国家标准）及其含义的基础之上提取出了地理实体的相关概念以及构建了土地利用现状分类本体层次网络结构,通过综合语义相似度算法计算出适用于本文的语义相似度。语义相似度的计算为将语义纳入IDW提供了基础。（3）利用S-IDW对两个研究样区在三种不同温度环境下进行插值实验。利用不同数理统计方法、Pearson相关性分析以及回归分析对插值结果进行评估。研究发现,两个研究样区低温环境下的S-IDW在RMSE、MAE、MAPE和RVAR方面均比其他4种插值法更趋近于最佳拟合值。高温环境下,研究区一的S-IDW在RMSE和MAE方面比其他4种插值法更趋近于最佳拟合值,S-IDW的MAPE仅高于Kriging,S-IDW的 RVAR 要低于 IDW 和 Natural。研究区二的 S-IDW 在 RMSE、MAE、MAPE 和 RVAR方面均比其他4种插值法更趋近于最佳拟合值。平常温度环境下,研究区一的S-IDW在RMSE、MAE和MAPE比其他4种插值法更趋近于最佳拟合值,S-IDW的RVAR相比IDW和Spline的RVAR要小,但比Kriging和Natural的RVAR更趋近于最佳拟合值。研究区二的S-IDW在S-IDW在RMSE和MAE方面比其他4种插值法更趋近于最佳拟合值,S-IDW的MAPE仅大于Natural的MAPE。在RVAR方面,S-IDW要小于Natural,但大于IDW和Kriging。在两个研究样区的三种温度环境下,S-IDW的插值温度与地表反演温度之间的相关性最强,回归效果最好;（4）综合来看,在不同的地区不同的温度环境条件下,S-IDW能对地表温度进行较为精确的插值,这对研究城市热岛以及极端温度等灾害性天气有较大的帮助。如何运用S-IDW来提高其他气象因子的插值精度将是今后研究工作的重点。