CCD像元响应特性的差异是制约MAI成像质量及其数据定量化应用的主要因素之一。 为了提高MAI数据质量, 本文基于全量程多段分析与校正法, 利用2016年9月至2018年3月期间共104403帧观测数据, 分别对MAI偏振通道和非偏振通道的像元响应特性的不一致性开展了在轨分析与校正, 并利用GOME-2和MODIS数据产品对校正结果进行了验证。 首先, 假定观测样本足够多, 即每个CCD像元观测的样本具有相同的遍历性, 则各CCD像元对应的所有样本的平均DN值可以代表CCD各像元的响应特性; 其次, 利用104 403帧观测数据构建各个通道的参考图像, 并利用MAI中心5×5像元给出各参考图像对应的标准DN值; 在此基础上分别对MAI偏振通道和非偏振通道开展了像元响应特性的分析, 结果表明, MAI各通道均存在CCD像元响应特性不一致的问题, 各通道的不一致性大约在4%～10%之间, 对偏振通道而言, 同一偏振波段的三个偏振通道之间像元响应特性的不一致性有一定的相似性, 像元响应特性不一致性的差异基本在1%以内。 然后, 将MAI近两年的观测数据分为前后两个时间段进行对比分析。 结果表明: 前后两个时间段偏振通道和非偏振通道的图像均具有很好的一致性, 即CCD像元响应特性未随时间发生显著变化, 这也进一步验证了前面MAI数据量充足的假定。 因此, 可以利用全量程多段校正法逐通道逐像元开展CCD像元响应特性不一致性的校正。 基于该方法校正后, MAI图像质量得到显著改善, 图像四周响应偏低的区域明显改善, 基本和周围像元的响应达到了同一水平; 图像更加平滑, 颗粒感基本消除; 部分区域的场景发生了变化, 特别是碎云等反射率介于中低反射率之间的目标。 基于GOME-2的交叉对比结果表明, MAI 565, 670和763 nm波段反射率与GOME-2的参考反射率之间的平均绝对偏差分别由校正前的1.6%, 4.2%和2.2%减小至校正后的0.5%, 2.6%和0.4%; 此外, 基于多通道云识别方法开展的云检测表明, 校正后的MAI云检测结果与MODIS云检测产品一致性更好。 因此, 全量程多段校正方法可以有效解决MAI CCD像元响应特性的不一致性, 显著提高MAI在轨观测的质量, 且该方法也可以应用于其他CCD仪器的在轨校正。

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性，提出了一种基于对称性边缘的多光谱图像配准方法，该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案，验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验，将所提配准方法与其他多光谱图像配准方法进行比较，结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。

高原湖泊在反映全球气候变化背景下区域自然环境变迁方面具有重要意义。以新型国产遥感数据源天宫二号多光谱数据为基础采用面向对象方法, 结合水体指数和高程信息, 提出一种面向冻湖的自动提取算法。该算法充分考虑了不同形态的水体特性, 可以同时提取结冰和未结冰的湖泊, 并能够排除冰川、河流的影响。针对选定的7个典型区域, 采用自动提取算法进行湖泊提取试验, 并进行精度验证。湖泊提取整体精度达99.10%, F-score为0.982。结果表明: 天宫二号多光谱数据在高原湖泊提取方面具有较强应用潜力, 该数据作为一种有效的数据源, 可推广用于青藏高原地区湖泊提取与变化研究, 为研究区域气候变化提供数据支持。

近年来对城市热环境的研究大多集中在大尺度或城市区域尺度上, 基于街区尺度的热环境研究较少。本研究基于高空间分辨率的天宫一号热红外数据, 利用 JM&S(Jim.nez-Mu.oz & Sobrino)算法反演了南京部分地区地表温度, 进而揭示了南京地区夜间地表热环境空间分布规律并分析了其与地表覆盖类型的关系, 探讨了不同街区夜间地表温度的差异。研究结果表明, 天宫一号具有热异常检测能力, 能较好地体现街区尺度地表温度的空间异质性; 南京夜间存在明显的城市热岛效应, 热岛强度为 2.6 K, 局部热岛效应较为突出; 受土地覆盖类型、人口、建筑等因素的影响, 不同街区地表温度差异较为明显。

天宫二号紫外前向光谱仪是一种对全球中层大气进行大气痕量气体垂直分布探测的新型光谱仪, 在对大气痕量气体进行反演中, 需要高精度地计算观测大气的高度参数等几何位置参数。本文针对该光谱仪的几何成像特点, 设计并提出了一种高精度的大气高度的计算方法。首先, 计算传感器坐标系下的观测矢量; 其次, 利用平台的轨道参数、姿态及成像时间等成像几何参数, 推导出传感器坐标系到地心固定坐标系的转换矩阵, 同时将观测矢量转换到地心固定坐标系下; 再次, 以标准地球椭球体为基准, 建立经过临边切点的虚拟椭球体模型, 并计算切点的地理坐标; 最后, 依据切点坐标推导出切点的临边高度。与理论值对比分析, 在相同地球临边高度对应的散射光谱幅亮度分布保持一致, 并且与美国OMPS载荷反演的O3结果进行定位误差分析, 高度误差小于1 pixel, 在2 km范围内, 从而验证了本文所提算法的可行性和正确性。

为了精准地估测荒漠化地区的稀疏植被信息, 选取内蒙古苏尼特右旗为研究区, 以天宫一号高光谱数据为数据源, 结合野外实地调查数据, 通过归一化植被指数(normalized difference vegetation index, NDVI)和土壤调节植被指数(soil adjusted vegetation index, SAVI)对研究区内的植被覆盖度和生物量进行反演, 并对比两种植被指数的优劣。 首先, 分析了每种波段组合下的植被指数与覆盖度、 生物量的相关性, 确定了最大相关的波段组合。 覆盖度和生物量与NDVI的最大相关系数可达07左右, 而与SAVI的最大相关系数可达08左右。 NDVI的最佳波段组合的红光波段中心波长为630 nm, 近红外波段的中心波长为910 nm, 而SAVI的组合为620和920 nm。 其次, 分别构建了两种植被指数与覆盖度、 生物量之间的线性回归模型, 所建模型的R2均能达到05以上。 SAVI所建模型R2要比NDVI略高, 其中植被覆盖度的反演模型R2高达059。 经留一交叉验证, SAVI所建模型的均方根误差RMSE也比基于NDVI的模型小。 结果表明: 天宫一号高光谱数据丰富的光谱信息能有效地反映地表植被的真实情况, 并且SAVI比NDVI更能较为精准地估测荒漠化地区的稀疏植被信息。

为获得利用卫星数据探测明火、 焖烧、 烟和火烧迹地等四种火情状态信息的敏感波谱范围, 利用天宫一号高光谱数据, 采用统计和光谱分析相结合的方法, 对探测这四种火情状态信息的适宜卫星谱段进行了分析。 结果表明: 天宫一号高光谱数据对这四种火情状态探测谱段存在明显区别, 在高光谱短波红外各通道, 明火的反射率比其他三种的反射率都高, 而烟的反射率则最低; 在高光谱可见近红外和全色传感器对应通道, 烟的反射率比其他三种的反射率都高。 在谱段选择上, 探测明火的较适宜谱段区间为1 000.0～1 956.0 和2 020.0～2 400.0 nm; 用于判识焖烧的适宜谱段范围为930.0～1 000.0 和1 084.0～2 400.0 nm; 检测烟的适宜谱段区间为400.0～920.0 nm; 检测火烧迹地时适宜选用中心波长900.0～930.0和1 300.0～2 400.0 nm等波段进行组合, 构建检测模型。