地表温度是表征全球区域和全球尺度上地表物理特性的一个重要指标，也是理解陆地和大气之间能量交换过程一个不可或缺的变量。目前遥感技术已成为获取空间连续地表温度产品的有效途径，但由热红外遥感技术获取的地表温度(land surface temperature，LST)受云覆盖干扰存在大量的缺失值，这严重制约了LST产品的后续应用潜力。因此，重建云覆盖区域的LST是必要的。本文提出了一种联合同化数据和遥感数据的非局部增强网络(nonlocality-reinforced network, NRN)重建每日LST产品MOD11A1，主要涵盖以下两部分：（1）将反映地表物理/几何属性(NDVI/DEM)和真实热状态(CLDAS GST)设为必要辅助数据;考虑辅助数据缺失率及与待重建LST相关性，将三种遥感相邻时相LST产品作为可选辅助数据，生成了四种辅助数据组合方式。（2）构建了NRA网络学习多源输入数据之间的时-空映射关系，采用非局部模块扩大网络感受野从而更加关注全局特征，损失函数综合考虑了结构相似性和均方误差，提升模型鲁棒性。本文对缺失率分别为50%、70%和90%的MOD11A1数据进行了实验，结果表明，对于组合一，在不使用可选辅助数据时，本文提出方法重建效果依然良好（MAE小于0.8K）；在四种组合中，组合四实验效果最佳，其中R²为0.8956，MAE为0.5219K，RMSE为0.7622K。最后，利用组合一对长江经济带2019年每日LST进行重建，参考气象站观测0-cm LST，重建偏差绝对值小于1K。综上所示，本文提出方法具有较高的重建精度，亦能满足较大尺度LST重建要求。

重建、遥感、地表温度、同化数据、非局部增强网络