热红外高光谱数据中蕴含丰富的光谱信息，具有重要的研究价值和应用前景。同时，高光谱可以为温度和发射率分离问题提供更合理的假设与约束。由于温度发射率分离是一个病态问题(N个观测，N+1个未知数)，常规的高光谱温度和发射率分离方法主要基于一下两种策略：(1) 增加额外约束；(2) 减少未知数。

地表出射辐射是地表自身热辐射以及反射下行辐射的综合。从频域角度看，地表自身热辐射为低频信号，大气向下辐射亮度为高频信号。温度发射率分离过程中如果地表温度设置不正确，反演得到的发射率光谱中会残留大气下行辐射的高频信号。基于这一特性，周书贵等(zhou et al., 2018)提出了基于多尺度小波的温度发射率分离算法(MSWTES)。

图1展示的是地表出射辐射(图1(a)，蓝色)经小波分解并重构高频部分与大气下行辐射波谱的对比(图1(b))。

图1 光谱特征对比度。(a) 地面出射辐射与大气下行辐射(750-1250 cm^-1)；（b）重建的1095-1145 cm^-1的地面出射辐射和大气下行辐射的高频分量。

       图2展示的是MSWTES和经典算法ISSTES反演得到的发射率光谱以及实测的发射率光谱。

图2 反演发射率光谱曲线与实测发射率光谱的对比。(a) MSWTES反演结果; (b) ISSTES反演结果

 

参考文献：

Zhou S, Cheng J. A multi-scale wavelet-based temperature and emissivity separation algorithm for hyperspectral thermal infrared data[J]. International journal of remote sensing, 2018, 39(22): 8092-8112. (https://www.tandfonline.com/doi/abs/10.1080/01431161.2018.1482019)