本发明提出基于温度和发射率及深度学习的近地表空气温度反演方法,包括建立热辐射传输方程、构建专家知识库、构建高精度数据库及计算反演结果并验证四个步骤，通过基于热辐射传输方程和先验知识建立专家知识库，通过辐射传输机理确定反演所需参数，从物理学角度出发，考虑近地表热量交互影响，并利用地表温度和发射率作为先验知识以及利用仿真数据和采集的高精度数据实现较高的反演精度，从而充分利用物理模型和深度学习的优点，将其进行结合，能够获得高精度的近地表气温反演结果，并采用DL‑NN算法来处理近地表气温反演的病态问题与处理不同季节和地区的近地表气温与大气平均作用温度之间的非线性关系，提高反演的精度，增加普适性。