استفاده از سنجش از دور بخصوص در محدوده حرارتی به دلیل کاربرد های متعدد در علوم محیطی به طور روز افزون در حال افزایش می باشد. در حال حاضر دسترسی به داده های حرارتی با قدرت تفکیک مکانی و زمانی مناسب، محدودیت-های زیادی دارد. به همین دلیل در سال های اخیر روش های برای بهبود قدرت تفکیک مکانی این تصاویر با استفاده از تصاویر انعکاسی ارائه شده است. این تحقیق بر روی داده های سنجنده etm+و modis در بخش های از استان تهران و البرز انجام گرفت. پس از پیش پردازش های اولیه و محاسبه حرارت سطحی، تصاویر در قدرت تفکیک های 120، 240،360، 480، 600، 720، 840 و 960 متر شبیه سازی گردید. سپس با استفاده از روش های t-sharp، رگرسیون چندمتغییره و شبکه عصبی، حرارت سطحی در قدرت تفکیک 500 متر تخمین زده شد. از سوی دیگر با استفاده از چهار روش شبکه عصبی، تبدیل موجک-عصبی، گرام اشمیت-عصبی و روش کوکریجینگ نیز حرارت سطحی در قدرت تفکیک 250 متر تخمین زده شد. نتایج این تحقیق نشان داد در قدرت تفکیک 500 متر روش شبکه عصبی با استفاده از تمامی باند های انعکاسی در تمام کاربری ها، بهترین دقت را دارد. در قدرت تفکیک 250 متر روش شبکه عصبی با ورودی باند قرمز، مادون قرمز و شاخص پوشش گیاهی تنها در نواحی کشاورزی بهترین دقت را دارد و برابر با 27/1 درجه سانتی گراد می باشد. در نواحی شهری و کل منطقه مورد مطالعه ترکیب موجک-شبکه عصبی دقت بالاتری دارد و مقدار مطلق خطا برای نوحی شهری و کل منطقه به ترتیب برابر با 98/0 و 53/1 درجه سانتی گراد می باشد. در نواحی بایر روش کوکریجینگ از دقت بالاتری برخودار است و مقدار مطلق خطا با این روش برابر با 79/0 درجه سانتی گراد می باشد. در نهایت بهترین تصویر حرارتی تخمین زده شده به عنوان ورودی مدل tvdi در نظر گرفته شد و نقشه رطوبت نسبی خاک با مقدار مطلق خطا برای نواحی کشاورزی برابر با 07/0 بدست آمد.