机载热红外（TIR）高光谱成像遥感是近些年发展起来的前沿光学遥感技术，其能够在8～14μm的热红外波段获取高空间和高光谱分辨率的热红外影像，精细的空间和光谱信息有助于温度和发射率反演过程摆脱对先验信息的依赖和提高反演精度，从而获得高精度的地表温度和发射率反演产品。
至今，已发展出了一系列面向热红外高光谱遥感数据的反演方法，总体可以划分为分步反演方法、一体化反演方法、深度学习方法三大类，为地表温度和发射率遥感产品反演提供了算法模型参考。其中，分步反演法是目前研究最多，方法理论体系相对完备的一类方法，在机载热红外高光谱成像载荷的地表温度和发射率产品反演方面具有较大优势。然而，现有的分步反演方法往往是基于特定载荷或模拟数据提出的，缺乏在不同载荷真实航空热红外高光谱影像上的广泛研究，因此开展分步求解方法在真实遥感数据上的反演研究是反演模型走向实际遥感产品反演的必经之路，具有重要的理论和应用价值。
本研究基于目前国际上先进的傅里叶变换热红外成像光谱仪Hyper-Cam-LW，系统分析了ISSTES、ARTEMISS和LSECTES三种典型的温度和发射率分离算法对航空高度、地物类型、温度状态、大气状况、及测量噪声的敏感性，支撑了Hyper-Cam-LW载荷航空TIR高光谱影像的温度和发射率产品反演。并在分析的基础上，提出了一种改进的LSECTES算法，改进的LSECTES算法性能不受航高影响，且平均温度反演误差在0.2K以内，而原LSECTES算法随着航高增大平均反演温度误差达到0.7K。此外，针对分步反演方法的大气校正依赖同步探空大气廓线和主流平滑度约束TES算法对噪声敏感的问题，提出了基于再分析大气廓线和经验约束的温度和发射率反演方法，算法精度显著优于Hyper-Cam-LW配套的商业软件的FLAASH-IR算法。

航空热红外高光谱,温度和发射率反演,模拟分析,遥感产品