本发明公开了一种基于深度学习的温度廓线反演方法，包括：1、采集GIIRS长波通道亮温数据、探空观测数据和ERA5温度廓线数据，并调整数据在时空上的匹配；2、构建深度学习训练样本，并对深度学习训练样本中的数值进行归一化处理；3、构建温度廓线反演模型，设定损失函数，对温度廓线反演模型进行训练，得到训练完成的温度廓线反演模型。本发明结合静止卫星红外高光谱亮温资料高时空和垂直分辨率的特点利用先验得通道信息构建通道注意力机制引导反演模型特征提取，通过先验物理信息的嵌入引导模型的反演结果更加符合物理规律，采用深度残差网络深度挖掘红外高光谱亮温数据与大气温度廓线之间的非线性关系，提高反演温度廓线的精度。