地表温度（Land Surface Temperature，LST）是监测地球环境动态变化的重要参数之一，在地表和大气交互及能量交换中起到重要作用，对地球生态、能量平衡、气候变化以及自然资源有重要影响。热红外遥感数据记录了地气系统的热辐射能量，是反演LST的重要数据源。目前，大量研究已提出多种LST反演方法，但是如何提高反演的精度和模型的适用性仍是基于热红外遥感反演LST研究的热点。新一代地球静止轨道（Geostationary Orbit，GEO）卫星Himawari-8能够以高时间分辨率（10 min）观测地球系统，为监测亚洲和大洋洲的地表和大气环境提供了新的潜力。本研究的目的是从GEO卫星数据中反演高精度的LST数据，为此利用Himawari-8卫星的AHI（Advanced Himawari Imager）观测数据，基于通用分裂窗（split-window，SW）算法反演LST，并使用Kernel-Hotspot模型进行角度归一化，以期改进由于静止卫星传感器观测角度问题导致的反演精度衰减问题。
本研究首先利用大气辐射传输模型MODTRAN，基于SeeBor大气廓线数据、地表发射率（Land Surface Emissivity，LSE）数据以及温度等参数设置，建立典型的模拟数据集，进而使用多元回归模型得到SW算法系数。然后，使用ASTER发射率数据集、MCD12Q1土地覆盖类型产品和MOD10A1积雪覆盖产品计算AHI大气窗口两个波段的动态LSE。基于2020年Himawari-8卫星数据计算LST，并采用基于地表温度和交叉验证的方法评估LST反演精度。在基于温度的验证中，采用了黑河综合遥感联合试验研究的四个站点和澳大利亚陆地生态系统研究网络OzFlux的十二个站点观测数据。此外，将AHI LST与MYD21_L2 LST产品进行交叉验证，验证了反演方法的可靠性。最后，基于MODIS LST数据，利用Kernel-Hotspot模型构建AHI LST角度订正模型，并校正到天顶方向，进一步提高LST反演精度。本研究强调精确的LSE、植被覆盖和角度归一化模型在反演AHI LST中的重要性，为使用GEO卫星观测数据生成高时间分辨率和高精度LST提供技术支撑。

地表温度反演,Himawari-8/AHI,角度归一化,SW