随着科技智能化建设需求的提高，语义分割技术受到图形、图像领域内学者的广泛关注，其为目标跟踪、视觉控制等技术提供有效的决策支持。然而三维点云语义分割模型的运行效率和分割准确率是限制其发展的瓶颈所在。基于此，提出一种基于空间图卷积的三维点云语义分割网络（PCGCN）。PCGCN采用边缘图卷积网络提取局部特征，并使用残差网增强特征的传递，对不同尺度的局部特征进行融合并参与三维点云语义分割。PCGCN解决了在深度学习过程中因局部特征丢失产生的语义分割效果不佳的问题，同时，点云深度学习网络中，残差网的引入提高语义分割的准确度。在ShapeNet和S3DIS数据集上进行实验，实验结果表明，PCGCN在ShapeNet数据集的准确率达到85.1%，在S3DIS数据集的准确率达到81.3%。

针对目前HJ-1 CCD大气校正没有考虑中国地区气溶胶模式的问题, 提出一种耦合中国地区局部气溶胶模式的大气校正方法。 以京津冀地区作为研究区域, 该方法对地基北京城区和香河站点反演的气溶胶模式参数进行聚类, 得到京津冀地区具有代表性的四类气溶胶模式, 并根据四类气溶胶模式来建立查找表进行气溶胶光学厚度的反演。 HJ-1 CCD数据没有短波红外波段(2.12 μm), 无法采用MODIS的气溶胶算法中获得地表反射率的方法来计算蓝红波段的反射率, 本文在气溶胶光学厚度的反演中采用HJ-1卫星的蓝色（0.43~0.52 μm）和红色（0.63~0.69 μm）波段的反射率比值作为误差方程的依据, 不需要输入地表目标的反射率。 基于反演后的光学厚度对HJ-1 CCD数据进行大气校正, 并与ASD光谱辐射计测量数据以及MODIS地表产品数据（MOD09）进行对比。 结果表明, 该方法得到的大气校正结果与ASD测量结果接近, 并与MOD09有较强的相关性, 红色波段的平均相关系数达到了0.8以上, 受气溶胶影响最大的蓝色波段平均的相关系数也达到了0.75左右。