无人机影像获取技术近年来获得了迅猛地发展,相比于传统的航空航天遥感,无人机这种数据获取方式拥有成本低廉、起降灵活、风险小、飞行高度低等众多优势,现在已经作为一种除卫星遥感和载人飞行航空飞行器遥感之外的一种重要数据获取手段。从无人机挂载的多/高光谱传感器中获取到的数据在农林环保、国土资源调查、灾害响应、伪装勘测等众多方向得到了广泛应用。但是在无人机获取光谱数据的过程中,在不同的气候与地形条件下地物的辐射信号会受到大气分子散射、吸收作用影响,需要对其进行大气校正与辐射定标获取地物反射率才能进行有效的定量化分析。然而传统的大气辐射校正模型如MODTRAN、6S、SCIATRAN等模型以及常用的机上定标方法存在两点问题,其一输入参数复杂,计算缓慢,需要大量的实地测量数据,无法让无人机发挥成本低廉、起降灵活的优势;其二无人机在低空大气环境下受到复杂的地形、气候条件影响,该类模型对于低空大气的描述模式单一,无法满足无人机光谱数据大气校正与辐射定标的精度要求。构建一个简化、快速的大气校正与辐射定标模型对于无人机光谱数据在各行各业的广泛应用存在重要意义。因此,本文深入分析了低空大气的垂直分布模式,并以不同时段、飞行高度、气象条件下采集到的无人机光谱影像为基础,对大气校正模型、辐射畸变校正模型和辐射定标模型进行了深入探讨,完成了以下研究工作:（1）利用MODTRAN的低空大气透过率模拟,筛选了低空大气的关键影像因素,构建了基于MODTRAN的简易大气快速校正模型。（2）针对无人机单幅影像产生的辐射畸变,构建了大疆精灵4多光谱传感器数据的辐射畸变校正模型。（3）利用神经网络模型与不同时段、不同飞行高度、不同气象条件下的大量数据,以神经网络模型作为基础进行训练,构建了输入DN值、中心波段波长参数输出反射率的辐射定标模型,能够快速获得辐射定标预处理的反射率值,并具有良好的精度。