随着社会的发展,工业化程度的加速,大气环境问题日益凸显。星载激光雷达是探测和研究全球大气垂直分布特性的重要技术手段,能够全天候、大范围地获取大气中云和气溶胶数据。本文基于CALIOP星载大气激光雷达实现大气特征的探测以及分类,主要工作内容如下:1.激光雷达数据的辐射定标。CALIOP对于获取云和气溶胶的垂直类型分布,研究大气中云和气溶胶的垂直分布特征以及对全球气候变化的影响意义重大。而辐射定标对于星载激光雷达数据的应用至关重要,本文以CALIOP数据为基础,借助高空分子归一化方法,实现CALIOP数据的532nm平行通道的辐射定标,然后参考PGR(Polarization Gain Ratio)数据对垂直通道进行定标,最后根据卷云在1064nm与532nm散射的特殊关系,实现1064nm的辐射定标;2.层次边界探测。星载激光雷达垂直廓线上混合着不同类型的云和气溶胶等大气层次特征,层次边界探测方法是其他算法的基础。SIBYL(Selective Iterated Boundary Location)层次边界探测方法,充分结合CALIOP数据特点(星载激光雷达SNR低,从上向下观测),以阈值法为基础,多次平均,重复扫描333m,1km,5km,20km,80km不同分辨率的同一场景,识别微弱目标,获取较高精度的层次边界探测数据。3.层次特征分类。星载激光雷达层次特征分类主要包括云和气溶胶的分类,准确区分云和气溶胶以及识别不同相态的云和不同子类型的气溶胶对于获取云、气溶胶的光学参数以及研究云与气溶胶的相互作用具有重要的作用。本文提出了一种对于云/气溶胶、云相态及气溶胶子类型识别的分类算法,实现了星载激光雷达的大气特征层快速、有效分类。主要有三部分组成:1)基于激光探测的云和气溶胶层不同的光学特性以及地理空间分布特征,构建云气溶胶的分类置信函数,区分云和气溶胶;2)选取SVM作为ROI和水云分类的算法模型基础,结合HOI和水云的分类置信函数修正SVM误分的特征层以及筛选出水云中少部分的HOI冰云,获得云相态的分类结果;3)以各气溶胶子类型的光学以及空间分布特性为基础,采用决策树策略的气溶胶子类型识别算法实现了对气溶胶子类型的区分,完成气溶胶子类型的识别。4.算法验证和应用。本文分类结果与VFM产品对比分析,云/气溶胶分类算法:云层有98.51%一致,气溶胶则有88.43%一致,且白天比夜间一致性高;云相态分类算法:水云一致性占比93.44%,随机朝向冰晶粒子冰云则有88.04%,水平朝向冰晶粒子的冰云较低,只有51.11%与VFM一致,但是主要是与随机朝向冰晶粒子冰云的混淆;气溶胶子类型分类结果中,可以准确识别出大多数气溶胶特征层子类型。将本文算法应用与沙尘、晴空和霾天三种典型天气情况条件下并与VFM结果对比分析,对于云/气溶胶分类、云相态识别与具有很好的一致性,但是存在个别云下以及云中沙尘型和污染沙尘型气溶胶被误识别为云,对于气溶胶分类中,晴天条件下一致性最高,沙尘天部分沙尘和污染型沙尘混淆,霾天识别出的煤烟型气溶胶在VFM产品中被标记为沙尘和洁净大陆型气溶胶,还需进一步的地面资料进行分析。5.星载激光雷达沙尘分离及分析。利用CALIOP 532nm的两个偏振通道,假设气溶胶为外部混合,基于外混合状态下非球形粒子与球形粒子垂直方向不会发生变化的特性,将沙尘粒子与本地气溶胶分离,获取各自的后向散射系数,为研究沙尘和本地气溶胶的光学垂直分布特性提供一种手段。本文基于CALIOP星载激光雷达数据,实现了基于机器学习的中国地区星载激光雷达云和气溶胶的探测以及分类,避免了对于大量地面以及航测数据的依赖,大大简化了算法的实现过程,对于国内星载激光雷达算法的研究具有重要的意义。