1.一种基于机器学习的地表发射率实时反演及同化方法，其特征在于，所述实时反演及同化方法包括以下步骤：S1，结合地表发射率数据集，以及ERA5再分析数据集中的地表温度和大气状态变量，利用下述公式计算出卫星观测视场内没有云分布时的对应卫星模拟辐射率L(ν)：式中，εs为地表发射率，ν为卫星模拟辐射率L所对应的通道探测频率，T为从地表到卫星的大气温度，τs为从地表到卫星的大气透过率，τ为从各层大气到卫星的大气透过率，Ts为地表温度，B为普朗克函数；

S2，使用ERA5再分析数据集中的地表温度和步骤S1中计算出的卫星模拟辐射率数据作为基于机器学习的地表发射率反演方法训练集，根据实际地表类型设置隐藏层数量，以地表发射率数据集作为真值进行训练，对机器学习训练模型进行训练，得到训练好的地表发射率反演模型；将训练好的地表发射率反演模型构建到同化系统中；

S3，从当前同化时刻的数值模式背景场中获取当前同化时刻的地表温度，将当前同化时刻的地表温度和实际卫星观测辐射率作为地表发射率反演模型的输入，将地表发射率反演模型输出的地表发射率提供给同化系统中的卫星同化模块，对卫星同化中的地表发射率进行反演；

S4，基于同化系统中反演得到的地表发射率信息，对选择的卫星观测资料进行全地表同化，获得当前同化时刻的数值模式分析场；

S5，利用步骤S4得到的数值模式分析场进行确定性预报，生成下一个同化时刻的数值模式背景场，返回步骤S3，执行下一同化时刻的卫星观测资料全地表同化；

步骤S2中，得到训练好的地表发射率反演模型的过程包括：

对卫星模拟辐射率的计算公式进行逆运算，得到地表发射率的计算公式为：简化后得到：

εs(ν)＝f(L(v))

式中，f为通过卫星模拟辐射率L(v)计算地表发射率εs的非线性函数，卫星模拟辐射率L(v)与地表温度Ts与大气透过率τ有关；

基于机器学习训练模型建立卫星模拟辐射率L(v)与地表发射率εs之间的关系，获取函数f，同时通过以下物理约束限制机器学习过程中的地表发射率εs的结果合理性：

0≤εs≤1。

2.根据权利要求1所述的基于机器学习的地表发射率实时反演及同化方法，其特征在于，步骤S1中，采用USGS地表发射率数据集。

3.根据权利要求1所述的基于机器学习的地表发射率实时反演及同化方法，其特征在于，步骤S2中，在训练过程中，计算训练结果与真值之间的RMSE作为准确性进行检验，根据训练结果与真值之间的RMSE调整机器学习参数，直到训练结果与真值之间的RMSE满足预测精度要求。