La estimación precisa de la temperatura de la superficie terrestre (LST) es una preocupación crítica en la teledetección en el infrarrojo térmico (TIR). Según la ecuación de transferencia de radiancia térmica, los datos observados en cada canal están acoplados tanto con la emisividad como con los parámetros atmosféricos, además de la LST. Para resolver este problema mal planteado, los algoritmos clásicos a menudo requieren la entrada de parámetros externos como la emisividad de la superficie terrestre y los perfiles atmosféricos, que a menudo son difíciles de obtener de manera precisa y oportuna, lo que puede introducir errores adicionales y limitar la aplicabilidad de los algoritmos de recuperación de LST. Para reducir la dependencia de parámetros externos, este artículo propone un nuevo algoritmo para estimar directamente la LST a partir de la temperatura de brillo en la parte superior de la atmósfera en los datos TIR de dos canales de Landsat-9 (canales 10 y 11) sin parámetros externos. El algoritmo propuesto aprovecha al máximo la habilidad del método de aprendizaje en conjunto para resolver problemas no lineales. Considera el proceso físico de transferencia de radiancia y añade la temperatura brillante de salida del suelo y el índice de vapor de agua atmosférico al conjunto de características de entrada. Los resultados experimentales muestran que el nuevo algoritmo logra resultados precisos de estimación de LST en comparación con la LST medida en el suelo y es consistente con el producto de LST de Landsat-9. En trabajos posteriores, se llevarán a cabo más estudios sobre el desarrollo de modelos de aprendizaje profundo de extremo a extremo, la extracción de características más profundas entre los canales TIR y la reducción del efecto de la heterogeneidad espacial en la validación de la precisión.