地表温度、比辐射率和大气温湿廓线都是重要的地表、大气参数,在多个学科领域中得到广泛的应用。热红外遥感是在区域以及全球尺度上获取这些参数最为有效的方式。近年兴起的高光谱热红外传感器通道宽度窄,对应的权函数比较尖锐,能够提供更好的垂直分辨率来探测大气状况。同时,高光谱数据中蕴含着丰富、细腻的光谱信息,这些信息不仅仅能够描述大气温度、湿度、臭氧的垂直分布信息,还能够提供其它痕量气体的分布状况。此外,高光谱热红外传感器的通道数目众多,能够增加方程组的稳定程度,也可以为地表温度和比辐射率分离提供更符合地表真实物理性质的约束条件。因此,本论文以高光谱红外数据为主要信息源,针对高光谱数据自身信息的挖掘、病态反演过程中方程的稳定以及求解等问题,在地表温度、比辐射率和大气廓线一体化反演方面开展了如下的工作:　　 1)建立用于地表温度、比辐射率和大气廓线同时反演的神经网络模型。经过神经网络拓扑结构的确定以及训练后,对所建立的神经网络模型进行了精度分析工作。而后又利用实际卫星数据对神经网络进行了验证。验证结果显示所建立的神经网络模型能够得到与实测的探空廓线比较吻合的结果。同IASI卫星数据产品相比,得到的地表温度结果有着5 K左右的偏差,大气廓线的反演达到了预期的精度,其中“普适”神经网络的温度误差也在2 K左右。所建立的神经网络能够快速、准确的反演地表温度、地表比辐射率和大气温湿廓线,并且便于使用,不需要提供过多的辅助信息,反演结果也可以作为物理反演模型的输入。　　 2)假定大气校正已经精确进行,提出利用分段线性函数拟合比辐射率波谱的思想,并成功用于地表温度与比辐射率的分离之中。并使用模拟数据对分段线性方法进行了系统的敏感性分析。分析结果显示所提出的方法具有很强的抗噪声能力,并且当大气下行辐射估计不准确时也能够得到较好的结果。本文还进一步利用实际测量数据对方法进行了验证,除了某些特定的样品(例如塑料)外,所反演的温度与验证温度的误差在1 K以内,比辐射率反演的误差基本在0.01以内；　　 3)建立地表温度、比辐射率和大气廓线一体化反演物理方法。该方法通过对大气辐射传输方程的理论推导,融合地表比辐射率分段线性函数拟合的思想,运用正则化技术使得方程的解稳定,最终迭代反演得到地表温度、比辐射率和大气温湿廓线结果。随后本文利用模拟数据对物理反演方法进行了精度分析。最后,本文还联合使用神经网络模型与物理反演模型进行反演,以神经网络模型的输出作为物理反演模型的输入。同初始值相比,得到的地表温度的最终反演结果误差由5 K减小到1 K以内,反浈的地表比辐射率形状同真实值吻合的很好,大气温湿廓线反演精度也有提高。但将方法用于实际数据处理,还需要进一步开展算法效率提升、质最控制等多方面工作。