以GF5B卫星发射前实验室定标为基础，采用星上0级黑体定标数据，建立了适用于GF5B热红外通道的星上绝对辐射定标模型。通过对2022年01月12日星上黑体定标数据进行处理，获得成像仪热红外通道的绝对辐射定标系数。对星上定标系统精度进行分析，并采用地面同步烟台浮标数据对定标结果进行精度验证，结果表明，在轨后星上定标系统的绝对定标精度为0.9 K；星地验证结果显示B11和B12通道亮温的偏差分别为0.33、0.77 K。说明基于星上黑体的定标方法具有较好的精度，定标结果可靠，可满足遥感数据定量化应用的需要，为实时准确获取热红外通道定标系数提供了方法借鉴。

高光谱图像具有数百个连续、 狭窄的光谱带, 光谱范围跨越可见光到红外光, 可提供地物的精细光谱属性, 对于地物材质和属性的识别分类具有重要应用价值。 针对感兴趣目标选择有限的光谱波段进行传输和处理, 对于提升高光谱数据处理时效性、 以及设计面向特定应用的实用化光谱仪都具有重要意义。 而如何结合目标特征选择最优波段成为在提升处理效率的同时保证目标识别或分类精度的必然要求。 因此如何从数以百计维度的高光谱图像中选择出具有较好分类识别能力的波段子集是急需解决的问题。 提出基于改进粒子群优化算法的高光谱波段选择方法, 该方法区别于传统的粒子群优化算法, 引入 “概率突跳特性”, 并设定新解的淘汰机制, 将“停滞”的新解进行淘汰, 提高了算法的全局寻优性能。 然后基于目标光谱特征采用了最优波段选择的优化目标函数, 通过改进的粒子群优化算法求解目标函数, 并将选定的波段子集反馈到支持向量机(SVM)中执行分类应用。 采用两个标准的高光谱数据集(Indian Pines, Salinas)对选择出的波段子集进行分类测试, 结果表明该方法相较于现有方法具有较高的分类精度, 在几种方法中, 传统的粒子群算法筛选出的波段效果最差; 该算法筛选出的波段的分类精度最好, 两个数据集的分类精度分别可以达到98.141 4%和99.084 8%。

一氧化碳（CO）在热红外波段吸收强度弱且吸收区内具有较多的干扰信号，利用热红外数据反演高精度CO廓线的难度大。超光谱红外探测仪的开发和应用，为提升CO廓线的反演精度提供了可能。然而，随着超光谱热红外数据分辨率的上升、通道之间的间隔变窄，这在给数据引入特有可反演信息的同时产生大量冗余信息。为了保证反演精度和效率，有必要对通道进行选择来获取包含最大可反演信息的通道同时剔除冗余信息。提出了一种同时考虑通道灵敏度和权函数特性的峰采样通道选择方法，用于从超光谱红外数据中反演CO廓线。该方法首先通过分析通道对不同气体的灵敏度情况，去除受其他气体干扰较大的通道获得初选通道。然后，分析初选通道的权函数特性后发现，位于CO亮温变化谱线中峰顶和峰底的通道分别包含了不同大气层的CO反演信息，将这些通道选取为最终通道选择结果。以阿拉善沙漠地区、京津地区、长江三角洲及珠江三角洲的冬夏晴空大气为主要研究对象，比较峰采样法与最优灵敏度剖面法（OSP）所得的通道选择结果及相应的CO廓线反演精度。结果表明，该方法选择的通道比OSP方法选择的通道能覆盖更宽的光谱范围且包含更多的CO反演信息。而且，峰采样通道选择方法的应用可以有效提高本文所研究区域和季节的CO廓线反演精度，其中在阿拉善地区冬季大气条件下改善效果最为明显，反演结果的均方根误差（RMSE）由3.23×10^-8 g/g降至3.07×10^-8 g/g，平均反演精度提高了10.56%。