为了标定扫描式棱镜太阳光谱仪的棱镜不同转动角度对应的中心波长和光谱带宽, 利用了一种棱镜扫描方法对太阳光谱仪的光谱响应函数进行测量。 该方法使用固定的单色光波长, 控制棱镜转动实现单色光的像在探测器位置扫描, 并通过坐标映射得到响应位置的光谱响应函数。 文中根据光谱响应函数的定义, 推导出棱镜扫描法与单色仪波长扫描方法波长定标原理上的等效性。 之后分别以532 nm固体激光器和632.8 nm氦氖激光器为光源, 使用棱镜扫描法测量太阳光谱仪对应波长位置的光谱响应函数, 并以单色仪波长扫描法实验作为对比。 实验结果表明, 对于扫描式棱镜太阳光谱仪, 棱镜扫描法测量的中心波长分别为531.86和632.67 nm, 其准确度优于单色仪波长扫描法测得的531.39和631.97 nm。 由于不受单色仪性能的限制, 前者测量的光谱带宽值也优于后者。 最后以汞灯为光源使用棱镜扫描法对太阳光谱仪进行了光谱定标实验, 实现了特征光谱定标法结合棱镜扫描法对中心波长及光谱带宽的标定。 该方法同样可以应用于扫描式光栅光谱仪以及单色仪的光谱定标。

：针对大气层外的太阳光谱辐照度监测，设计了一种星载小型宽光谱太阳光谱仪。光学系统应用改进的切尔尼-特纳光学结构，工作波长范围为600~1 200 nm(二级光谱)和1 200~2 400 nm(一级光谱)；一二级光谱使用二向色分光镜分离，并采用两片线阵探测器同时接收，实现全谱瞬态直读。整个光学结构的尺寸为80 mm×55 mm×20 mm。经过系统优化，全谱段子午方向像差低于6 μm。基于惠更斯点扩散函数(PSF)，仿真探测器像元的光谱响应函数(SRF)，结果表明光谱分辨率在600~1 200 nm波段优于2 nm，在1 200~2 400 nm波段优于4 nm。系统结构简单紧凑，稳定性高，适合用于空间太阳光谱辐照度的在轨监测。

针对实验方法获取光谱响应函数存在时效性差和过程复杂的特点,提出了一种基于惠更斯点扩散函数仿真光谱响应函数及光谱分辨率的方法,该方法综合考虑衍射及像差信息,在光学设计阶段即可获得任意标称波长处的精细光谱响应函数及光谱分辨率.对自行设计的工作范围为1 000 nm~2 500 nm的光栅光谱仪进行单波长及全谱段光谱响应函数仿真,并以几何光线追迹法作为对比.结果表明,基于惠更斯点扩散函数仿真的光谱响应函数带宽始终大于后者获得的带宽,在全波段范围内二者偏差介于2%~5%,且前者变化会同时受衍射及像差影响.两种方法对数坐标表示的光谱响应函数比较表明,相对强度在10－2~10－5时,衍射效应明显,而低于10－5时仿真结果中衍射的影响可以忽略.该方法对分辨率为10 nm的光谱仪仿真过程中产生不确定度为0.25nm.

水分含量是表征作物水分胁迫生理状况的重要指标, 及时有效地监测作物水分含量对于评估作物水分亏缺平衡, 指导农业生产灌溉具有重要意义。 基于NIR-Red二维光谱特征空间, 尝试构建一种新的作物水分监测指数PWI来估算作物水分含量。 以冬小麦作物植被水分含量估算为尝试对象。 首先, 利用地面实测小麦冠层高光谱数据, 结合对应卫星光谱响应函数, 模拟当前常用卫星HJ-CCD和ZY-3多光谱数据; 然后, 对基于NIR-Red二维光谱特征空间的现有植被指数PDI（垂直干旱指数）和PVI（垂直植被指数）进行改进, 通过比值变换的方法构建新的指数PWI来估算冬小麦植株含水量(VWC）。 结果显示: 基于模拟的HJ-CCD和ZY-3卫星宽波段多光谱数据生成的PWI估算小麦VWC具有良好的效果, R2分别达到0.684和0.683, 均达到了极显著水平。 利用检验样本得到冬小麦VWC估算的R2和RMSE分别为0.764和0.764, 3.837%和3.840%, 这表明应用提出的新指数PWI估测作物含水量具有一定可行性。 同时, 也为当前利用主要国产卫星遥感数据HJ-CCD和ZY-3开展作物水分遥感监测应用提供了一种新方法。

光学遥感器在轨运行期间，受温度变化、空间辐射等因素的影响，其光谱响应特性会产生变化，进而使目标物理量的测量值产生退化。以光谱靶标为检测参照，通过建立合适的退化模型，可以实现对遥感器光谱响应特性的在轨评估。为达到这一目的，需要针对遥感器的光谱响应函数设计出合适的光谱靶标，通过仿真模拟计算，得出了光谱反射率呈高斯模式的光谱靶标最适合进行在轨评估的结论，在轨实验结果初步验证了设计结果的正确性。

多光谱遥感器在轨运行期间，受化学分子污染、发射振动、宇宙辐射等因素的影响，其光谱响应特性会发生变化，使目标物理量的测量值产生偏差，且不能用辐射定标进行校正，影响数据产品序列的一致性。提出了一种基于光谱靶标的光谱响应退化特性在轨评估方法，通过建立响应函数退化模型，并利用光谱靶标反射率在检测波段内呈非线性变化的特性来实现对光谱响应函数退化情况的定量化评估。模拟仿真与外场实验结果初步验证了本文方法的有效性，该方法在提高辐射定标精度和优化遥感器设计等方面有重要意义。

为了探索不同类型遥感传感器对地物反射光谱响应的异同和卫星遥感监测雪盖空间尺度的差异, 收集了2007年—2013年冬春季川西北米亚罗地区、 青海省祁连山区和新疆北疆地区各种积雪、 植被和裸土反射光谱数据, 经中分辨率成像光谱仪MODIS和环境与灾害监测预报小卫星HJ-1B传感器响应函数完成地基光谱到传感器可见光、 近红外及短波红外通道反射率的转换。 分析了新旧融雪、 不同雪深及不同积雪覆盖下的反射光谱特征及不同传感器对地物反射光谱响应的异同性, 并结合同期同区域影像分析了MODIS和HJ-1B积雪监测空间尺度的效果差异。 结果表明, 可见光波段范围内, 各传感器对新雪和污雪反射光谱响应一致性很高; 对裸土和矮株植被反射光谱响应程度较为一致; 对其他类型积雪反射光谱响应程度有所不同, 尤其是消融积雪和冻结积雪, 反射光谱响应性差异很大; 全雪覆盖下, 深度不同的积雪NDSI值域相对稳定, 不同传感器NDSI具有很好的趋势一致性; MODIS和HJ1B NDSI法监测积雪空间尺度差异明显, 很好的解释了混合像元存在的成因。

在中尺度对地观测系统中, Landsat和ASTER数据无疑是使用得最多的遥感影像数据, 但是长期以来二者植被指数之间的定量关系并不清楚。 因此, 利用三对同日过空的Landsat ETM+和ASTER影像来考察二者植被指数(NDVI、 SAVI)之间的定量关系, 重点查明二者之间的差异。 通过将ETM+与ASTER影像的多光谱波段的灰度值转换成传感器处反射率, 并对其进行回归分析来求出二者植被指数之间的定量关系和转换方程。 研究发现, 尽管ETM+与ASTER的植被指数之间具有显著的线性正相关关系, 但是二者在光谱响应函数上的不同造成ASTER影像的植被指数信号总体上弱于EMT+的植被指数信号。 利用所求的转换方程对两种传感器的植被指数进行互为转换, 其转换的精度较高, RMSE都小于0.04。

遥感图像融合是一个十分重要的问题, 目前已出现了很多融合方法。 一些现有方法可以从高空间分辨率全色数据中提取细节特征, 并注入到低空间分辨率多光谱数据中, 同时尽可能保持多光谱数据的光谱特性。 现有方法一般都不能利用遥感成像系统的物理信息, 因此可能导致融合结果发生严重的光谱扭曲。 该文采用适当的遥感图像融合模型对图像融合问题进行分解, 将融合问题归结为空间细节调制参数构建与空间细节信息提取两个子问题, 在对传感器光谱响应函数(SRF)的分析基础上, 构建合理的空间细节调制参数。 依据对现有方法的分类, 文章将三种基于SRF的空间细节调制参数构建方法, 与高斯高通滤波提取的空间细节信息结合, 产生三种基于SRF的遥感图像融合方法。 这些方法在Ikonos数据上进行了试验和分析, 并与GS和HPM方法进行了对比。