1.一种地基红外遥感地表温度的反演方法，其特征在于，包括步骤1.同区域，在不同地表构建地基红外遥感地表温度的测量装置系统，基于大气同化资料收集具有代表性的大气温度、湿度轮廓线数据，并进行大气辐射传输模式模拟计算；

地基红外遥感地表温度的测量装置系统，包括一个探头垂直朝上观测的红外温度传感器系统和3个探头垂直朝下的红外温度传感器系统以及用于测量地表温度数据的铂电阻地表温度传感器系统；

步骤2.根据步骤1中的计算结果得到影响地表温度反演精度的主要因子，确定空气温度、各下垫面的地表发射率和太阳辐射值参量作为神经网络计算模型的输入向量；

步骤3.利用步骤2中选择的输入向量与步骤1测量装置系统中同步观测的铂电阻地表温度的对应关系，训练和构建红外遥感地表温度的神经网络计算模型；

步骤4.利用红外遥感地表亮温的修正值、空气温度、太阳辐射值数据，作为步骤3中神经网络计算模型的输入向量，反演计算出地基红外遥感的地表温度，并利用实测的铂电阻地表温度数据对地表温度反演精度进行评估。

2.根据权利要求1所述的一种地基红外遥感地表温度的反演方法，其特征在于，其中，步骤3又具体包括以下步骤：步骤(1).构建结构为输入层、隐层和输出层三层，net＝newff(inputn,outputn,5)的BP神经网络；

输入层inputn为M组6个输入向量组成的M×6维矩阵，6个输入向量分别为地表亮温的修正值、空气温度、3个下垫面的地表发射率和太阳辐射值；

隐层神经元的个数为5；

输出层outputn为M组1个输出向量组成的M×1维矩阵，输出向量为铂电阻地表温度值；

步骤(2).将样本数据进行归一化处理，[outputn,outputps]＝mapminmax(output_train,0,1)；

步骤(3).将步骤(1)中的三层节点通过权重函数连接，每一个节点下一次的输出由当前输入、阈值及激活函数通过作用函数后输出，其中，ωij为链接节点i、j的权重函数，θ为节点阈值，设置当前输入层及网络层的权值和阈值；

当前输入层权值inputWeights＝net.IW{1,1}，阈值inputbias＝net.b{1}；当前网络层权值layerWeights＝net.LW{2,1}，阈值layerbias＝net.b{2}；

步骤(4).设置网络参数

训练目标误差net.trainParam.goal＝1e-4训练步数net.trainParam.epochs＝1000学习速率net.trainParam.lr＝0.05

步骤(5)调用函数train对BP神经网络进行训练[net,tr]＝train(net,inputn,outputn)，构建BP神经网络。

3.根据权利要求1所述的一种地基红外遥感地表温度的反演方法，其特征在于，其中，步骤4包括以下步骤，步骤(1).对输入测试数据进行归一化处理

inputn_test＝mapminmax('apply',input_test,inputps)；

步骤(2).BP神经网络进行反演计算

an＝sim(net,inputn_test)；

步骤(3).地表温度的反演数据的反归一化处理BPoutput＝mapminmax('reverse',an,outputps)，最终实现地基红外遥感地表温度的反演。