高光谱激光雷达是同时获取光谱和空间信息的主动遥感探测方法。在激光扫描过程中，激光入射角是重要的影响因素之一。在实际应用中，目标表面粗糙度会使其入射角效应偏离朗伯模型。因此，基于Oren-Nayar模型对粗糙表面建立二向反射模型，研究了入射角效应的辐射校正方法。选取8种典型的粗糙表面作为实验对象，分析了各波段后向散射强度与入射角的关系，并量化了粗糙度对强度的影响。基于构建的模型，对该研究样本的入射角效应进行辐射校正。辐射校正后，不同入射角反射率的标准差均不大于0.06；与校正前相比，标准差平均改善率为67.86%。结果表明，所提出的方法提高了提取目标反射特性的准确性，为高光谱激光雷达更好地为开展数据分析与应用提供良好的物理基础。

共孔径主被动高光谱三维成像技术是一种结合激光雷达主动探测和高光谱相机被动成像的新型遥感探测手段，通过共光路设计，降低了主被动数据配准难度，使得实时融合生成三维高光谱影像成为可能。三维高光谱成像实时处理兼具数据密集和运算密集的特点，可编程片上系统软硬件协同设计为其提供了解决方案。而目前软硬件划分多基于定性经验分析设计，难以实现定量化最优设计。针对该问题，提出了一种采用基于权重法的多目标规划模型的可编程片上系统处理框架。该处理框架利用图论模型Ncut准则开展高内聚度、低耦合度的单元分割，并对各单元的软件和硬件实现特性分别进行分析评估，最终面向应用需求，利用多目标规划模型求解最优的软硬件划分方案。利用该处理框架，针对速率优先和功耗优先两种高光谱三维实时成像应用场景，进行了软硬件划分方案的定量化求解与分析，结果表明，在速率优先设计中，相对于传统的设计，处理速率提升了43.4%，而功耗降低了53.5%。

高光谱激光雷达综合了高光谱和激光雷达特征，可为植被生理生化参数提取提供更加精确的遥感探测，但其应用潜力尚未得到充分挖掘。以北京10个典型树种的单叶为样本，开展室内高光谱激光雷达的叶片观测试验，并进行树种分类研究，为未来高光谱激光雷达的林业应用提供基础。首先进行可调谐高光谱激光雷达（Hyperspectral LiDAR，HSL）叶片高光谱测量，并完成与ASD地物光谱仪所测数据对比实验；其次，应用随机森林方法实现10种叶片的分类研究，其输入的特征指数为融合全部波段、部分敏感波段的光谱指数。结果表明：（a）HSL在波段650~1 000 nm(71个通道)内观测的叶片高光谱和ASD光谱一致（R²=0.9525~0.9932，RMSE=0.0587）；（b）只用原始波段反射率分类精度为78.31%，其中分类贡献率最大波段的是650~750 nm，使用此波段进行分类精度为94.18%，表明利用红边波段（650~750nm）进行树种分类是十分有效的；（c）对树种敏感的波段为680 nm、685 nm、690 nm、715 nm、720 nm、725 nm、730 nm；（d）结合敏感波段光谱指数与植被指数分类精度82.65%。该研究结果表明在单叶级别，利用高光谱激光雷达能够准确地反映目标叶片的光谱特征并且能有效进行树种分类；未来将可能在野外应用中精确提取目标的生理生化参数。

在汽车智能驾驶系统中，激光雷达由于其独特的三维成像能力，成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能，借鉴多光谱探测具有物性探测能力的原理，论文对适用于汽车智能驾驶的多光谱激光雷达的波段选择进行了可行性研究，利用主成分分析法对智能驾驶中典型目标进行光谱计算及分析，结合激光光源特性以及光电探测器的特性，综合多光谱激光雷达波段选择方法和智能驾驶应用场景中典型目标地物光谱特性，以及商用激光雷达的可获得性, 得出了适用汽车智能驾驶的多光谱激光雷达的波长可以选择808 nm、905 nm、1 064 nm、1 310 nm，并通过测试验证了多光谱激光雷达所选波长的有效性。