A database of global, cloud-free, and atmospheric radiosounding profiles was compiled with the aim of simulating radiometric measurements from satellite-borne sensors in the thermal infrared. The objective of the simulated data is to generate split-window (SW) and dual-angle (DA) algorithms for the retrieval of land surface temperature (LST) from Terra/Moderate Resolution Imaging Spectroradiometer (MODIS), Envisat/Advanced Along Track Scanning Radiometer (AATSR) data and Meteosat Second Generation/Spinning Enhanced Visible and Infrared Imager (SEVIRI). The database contains 382 radiosounding profiles acquired over land, with nearly uniform distribution of precipitable water between 0.02 and 5.5 cm. Radiative transfer calculations were performed with the MODTRAN 4 code for viewing angles between 0◦ and 65◦. The resulting radiance spectra were convoluted with the response filter functions of EOS/MODIS bands 31 and 32, Envisat/AATSR channels at 11 and 12 μm and MSG/SEVIRI channels 9 and 10. By using the simulation database, the SW algorithms adapted for EOS/MODIS, Envisat/AATSR and MSG/SEVIRI data and the DA algorithms for Envisat/AATSR data were developed. Algorithms are quadratic in the brightness temperature difference and depend explicitly on the land surface emissivity. Lineal dependence with sec()-1 were showed in atmospheric coefficients in the SEVIRI case. The products of LST and the algorithms were compared with ground LST measurements in the conventional temperature-based (T-based) method in several sites located close to the city of Valencia, Spain, in a large, flat, and thermally homogeneous area of rice crops, Lake Tahoe CA/NV (USA) and an high-plain, homogeneous area of shrubland. We also validated those by using an alternative radiance-based (R-based) method with ground LSTs calculated from 11 m channel brightness temperatures through radiative transfer simulations using atmospheric temperature and water vapor profiles together with surface emissivity data. Both validation methods showed similar results in all cases. The results obtained have no bias and a standard deviation around ±0.5 K for the SW algorithms at nadir for Envisat/AATSR and EOS/MODIS and ± 1.1 K in MSG/SEVIRI. The SW algorithm used in the forward view results in a bias of 0.6 K and a standard deviation of ±0.8 K. The worst results are obtained in the other algorithms with a bias close to −1.0 K and a standard deviation close to ±1.1 K in the case of the DA algorithms.La temperatura de superficie terrestre, LST (por sus siglas en inglés), es uno de los principales parámetros en el estudio de balance energético y de masa entre la atmosfera y el suelo, en particular, en la estimación de la evapotranspiración y el estrés hídrico que pueda sufrir la vegetación (Hall et al, 1992; Sellers, et al., 1995; Anderson, et al., 1997; Sánchez, et al. 2008). Además, la LST es necesaria como dato inicial en modelos de predicción meteorológica (Barton, et al. 1989; Gouturbe, et al. 1993), evaluación de daños provocados por las heladas (Caselles y Sobrino 1989), y detección de incendios forestales (Calle, et al. 2005), entre otros muchos. La LST puede considerarse también como indicador del cambio climático (Allen, et al. 1994) y de la desertificación de una zona (Lambin y Ehrlich 1997). La teledetección en el infrarrojo térmico es la forma más factible de obtener esta magnitud para grandes extensiones terrestres bajo diferentes resoluciones espaciales y periodicidades. El problema fundamental de la medida de la LST a partir de datos de satélite es la necesidad de corregir estos datos de los efectos debidos a la absorción de la atmósfera y a la emisividad de la superficie. La principal contribución a la absorción de la atmósfera en el intervalo del infrarrojo térmico es debida al vapor de agua contenido en ella. Esta absorción es difícil de considerar, ya que la distribución del vapor de agua en la atmósfera es muy variable. Esto hace necesario conocer bien la estructura de la atmósfera (bien a través de radiosondeos, productos derivados de sensores a bordo de satélites o de reanálisis) sobre la superficie en la que deseamos calcular la temperatura, para así corregir atmosféricamente, utilizando modelos de transferencia radiativa, la temperatura de la superficie medida desde satélite. Para la corrección de los efectos de la emisividad en superficies terrestres, la problemática reside en la heterogeneidad que poseen. Es necesario un buen conocimiento de la emisividad de la superficie y de su variación, tanto espectral como espacial y angular, para corregir los efectos de ésta en la medida de temperatura de la superficie desde satélite. Los métodos de corrección atmosférica y emisividad más sencillos y operativos son los basados en la absorción diferencial (McMillin 1975). Este principio se basa en la utilización de dos medidas de la misma superficie realizadas en diferentes condiciones de observación. La corrección atmosférica se obtiene a partir de la diferente absorción atmosférica que existe bajo dichas condiciones. Éstas pueden ser: una misma superficie observada en dos bandas espectrales centradas en la ventana atmosférica 10,5 m -12,5 m, split-window (Prabhakara et al., 1974; Deschamps y Phulpin 1980) o bien bajo dos ángulos de observación distintos, dual-angle (Saunders 1970). La principal ventaja de estas técnicas es el hecho de que no es necesaria la caracterización de la atmósfera ni el uso de modelos de transferencia radiativa para corregir las medidas realizadas en el infrarrojo térmico. Los métodos de absorción diferencial fueron inicialmente aplicados para la obtención de la temperatura de la superficie del mar (SST por sus siglas en ingles). Ésta posee una emisividad que es bien conocida y una gran homogeneidad, lo que provoca que dichos algoritmos funcionen muy bien en este tipo de superficie. Más tarde estas técnicas fueron aplicadas a la obtención de la temperatura de la superficie terrestre, LST, teniendo en cuenta los efectos de la emisividad de la superficie (Becker y Li 1990; Prata 1994; Wan y Dozier 1996; Coll y Caselles 1997) para lo que se requiere un buen conocimiento de las características de la superficie a través de su emisividad y las variaciones espectral y angular de la misma.