在轨运行载荷的性能不可避免地出现衰减，场地定标是一些卫星载荷在轨辐射定标主要手段之一，其精度主要取决于地表反射率的准确程度。本文介绍了地表反射率自动观测系统原理和系统组成，并在敦煌辐射校正场实现无人执守自动化、无间断的地表光谱反射率测量，采用标准白板法和辐照度法两种方法同步观测，对两种方法获取的地表反射率数据分别进行了短期和长期稳定性的对比分析，地表反射率可直接溯源至标准白板反射率，减少了定标传递环节。结果表明：标准白板法测量地表反射率短期均值偏差为0.130%，长期测量350~600 nm波段均值偏差为4.996%，600~2 500 nm波段均值偏差为2.104%。标准白板法测量地表反射率合理可行，测量曲线连续、平滑、抖动少，可通过定期清洁标准白板提高测量准确性。辐照度法短期测量与标准白板法具有相近的性能，350~1 900 nm波段均值偏差为0.236%，1 900~2 500 nm波段均值偏差为0.443%。长期测量地表反射率整体漂移小，平均漂移为0.735%，但存在反射率曲线局部噪声大的缺点。可将两种方法相结合，获得更为准确的地表反射率数据。

青藏高原地表反射率在自然资源监测、生态环境保护和地球科学研究等方面有着重要应用。MOD09A1反射率数据由于云等因素的影响产生了大量异常像元，使得数据存在信息损失不完整的问题。考虑到邻近时序遥感影像具有高相关性，同类地物光谱具备高相似性，本文针对青藏高原地区提出了一种基于残缺多时相数据与地表覆盖分类信息的地表反射率深度学习重建方法。首先，以多时相MOD09A1反射率数据和MCD12Q1地表覆盖分类数据为基础，通过异常像元去除、有效图层提取、投影转换与拼接，得到目标区域基础反射率图像及辅助数据；其次，根据残差网络基本原理，构建了基于多时相数据与地表覆盖分类信息融合的深度学习网络模型；然后，利用MOD09A1数据完整区域裁剪的云掩膜样本、基于地表覆盖分类和K-means聚类算法生成的增广样本对模型进行训练；最后，将训练好的模型用于缺失数据区域地表反射率重建。通过两组对比试验表明，本文方法降低了对多时相辅助影像数据量和完整性的要求，在多时相数据残缺情况下，结合地表覆盖分类信息可实现对青藏高原大范围地表反射率的修复与重建。

针对实验室定标周期长、长途运输影响定标精度等问题，开展了通道式辐射计ATR的现场定标方法研究。在SRBC现场定标中引入超光谱辐照度仪自动观测数据来计算天空漫射照度，利用SRBC法计算了定标系数和地表反射率，将其与人工利用ASD型光谱仪测量的地表反射率进行对比，并对地表反射率计算的不确定度进行分析。研究结果表明，SRBC法定标系数计算的ATR反射率与ASD型光谱仪测量的相对偏差优于1.4%，反射率计算不确定度优于2.78%~4.35%，SRBC法在实际应用中具有较高的精度和系统优势。将SRBC定标系数应用于卫星自动化替代定标，近3年的自动化替代定标结果与AQUA/MODIS星上定标系数具有很好的一致性，各通道单次定标相对偏差基本在5%以内，平均百分偏差优于3.58%，能很好监测跟踪卫星载荷的运行情况，验证了SRBC法的有效性和适用性。

目前, 无人机获取的多光谱遥感数据已被广泛应用于农业、 林业、 环境等领域的定量监测中。 然而, 现有的将多光谱遥感数据转换为地表反射率的方法, 仍然存在一定的缺陷, 如需要依赖地面参考板、 无法适应光照条件变化、 得到的结果不准确等, 从而影响了多光谱遥感数据定量化应用的效果。 为了解决该问题, 提出了一种可以利用无人机搭载的多光谱相机, 直接对地表反射率进行测量的新方法。 该方法具有非常强的适应能力, 即使在环境光照强度变化的条件下, 仍然能够得到准确的地表反射率。 其中, 如何利用倾斜状态下的光强传感器获取准确的太阳辐照度, 是需要解决的关键问题。 对此, 提出了一种利用两个或者更多朝向不同方向的光强传感器, 实现太阳直射和散射辐照度测量的新方法。 利用此方法即可将相机记录的数字量化(DN)值直接转换为地表反射率。 为了验证本方法的实际效果, 设计了具体的实验验证方案, 对不同日期不同光照条件下获取的无人机遥感数据进行验证。 实际测试结果表明: 利用该方法, 得到黑、 灰、 白三张参考板的反射率在5个多光谱(蓝、 绿、 红、 红边和近红外)波段中最大的平均绝对误差为3.34%, 其对应的标准差为2.11%; 三张参考板在所有波段中最大的平均绝对误差为2.94%, 其对应的标准差为1.84%。 由此可见, 在光照强度变化的条件下, 利用该方法实现地表反射率的准确测量是可行性的。 该方法极大地简化了无人机遥感数据转换为地表反射率的过程。 对多光谱无人机的设计, 以及无人机遥感数据的定量化应用, 都具有重要的参考价值。