随着高光谱大气红外遥感探测技术的发展,对大气的探测越来越精细,探测周期越来越短,从而探测信息的数据量也随之越来越大,无论是在星上还是在星下,对于探测信息的存储和传输是在数据应用过程当中必然面对的问题。因此,为达到快速传输高光谱大气红外遥感图像数据,并使其占用的存储空间小,同时保证对数据同化和反演的准确度的目的,对其进行辐射抽稀(radiance thinning)是非常必要的,辐射抽稀分为两种方面,即对数据的无损压缩和光谱通道选择。本文主要针对辐射抽稀的两种情况展开研究。首先对大气探测及其遥感数据传输和存储进行分析,并以AIRS探测仪所探测的典型高光谱大气红外遥感图像为典型实验数据,对其空间相关性和光谱相关性的特性进行分析,定性说明对其进行无损压缩研究和光谱通道选择的可行性和必要性。其次,考虑高光谱大气红外遥感图像的光谱相关性极大,为实现有效的压缩效果,本文采用ICA变换去除谱间冗余,使图像在变换域的ICs成分实现相互独立;之后对所得ICs成分及变换系数进行量化与反量化,保留量化残差,对量化后数据以及量化残差进行预测处理,以减小待编码数据量;在编码部分本文选取区间编码并利用随机学习弱估计方法(SLWE)改进其中的概率估计模型,以提高编码效果。在编码之前,对待编码数据进行正值化处理,使其更适合区间编码过程。最后对典型的AIRS实验数据进行压缩,压缩比可达3.35以上,并与部分现有的经典压缩方法对比,本文所研究的压缩方法在压缩比上具有一定的优势。最后,根据AIRS探测资料中典型的亮温资料以及温、湿度反演廓线,通过辐射传输模式(RTTOV)得到其温、湿度Jacobi矩阵,为了从大量的AIRS探测资料中抽取出与应用相关的通道信息,实现减小数据量并适合应用的目的,分别对温、湿度Jacobi矩阵进行基于PC-AIC的通道选择,选出对温、湿度影响较大的波段通道。并根据所选通道对AIRS探测亮温资料进行温、湿度反演应用,将其反演结果与卫星资料数值天气预报应用研究组(NWPSAF)所给通道的反演结果对比,本文所研究方法对温、湿度反演所得廓线的误差更小。进一步给出基于信息容量迭代的经典通道选择方法,并与本文的PC-AIC算法对比,得出PC-AIC算法所选通道组合反演效果更好的结论,说明其在具体应用上,保证数据量减小的同时,可进行有效的通道选择。