近年来,全国雾霾和臭氧污染增加,激光雷达技术也已经广泛的应用于对气溶胶和臭氧的监测。然而,对于气候预测、大气模式的检验以及区域传输的过程分析,仅有局地的气溶胶及臭氧信息往往是不够的。因此,在国内一些新的地基激光雷达网已应用到对颗粒物及臭氧在区域传输问题上的研究。然而,由于这些新的激光雷达观测网的应用时间短,目前暂时没有形成可供参考的行业标准。而且每个制造商的设计理念、结构规格等都不统一,同一厂家在设备的装调过程中也存在些微的不同,从而导致整体的数据质量不齐。同时又由于激光雷达系统本身的复杂性,影响激光雷达数据质量的因素也就多种多样,而对造成数据错误的各种故障源,目前还没有建立统一、有效的数据质量控制体系来对激光雷达数据进行质量控制,而数据质量的好坏直接影响着雷达数据在各种业务应用中的有效率及准确率。与此同时,受工作环境、配件质量等因素的影响,硬件故障也是难以避免的。当雷达出现硬件故障时,会直接导致回波形态、回波强度的异常,严重的甚至会造成设备的停机。这种情况的出现,对数据质量的影响也非常的大,而数据质量控制是对激光雷达业务进行推广及深入研究的根本保障。因此,为了整体上提高激光雷达数据的质量,本文主要对激光雷达网的数据质量控制进行了研究。本文主要针对地基米散射激光雷达和差分激光雷达,从光机结构、电子学干扰、反演算法等方面对影响米散射激光雷达及差分激光雷达数据质量的各种因素进行了分析,并基于这些不同类型的影响因素,通过采用一系列的标定及参数统一方法等方面构建了激光雷达数据质量控制体系,在保证单台激光雷达数据质量的基础上,实现了多台间数据的一致性,为保证激光雷达组网数据的质量奠定了基础。针对组网激光雷达,为了进一步提高米散射激光雷达及差分激光雷达在运行过程中获得的监测数据的质量,完善数据质量控制体系,随后对在外场长时间的运行过程中出现的各种各样的硬件故障问题进行了研究。首先,结合不同站点的外场维修记录,对已知的两种激光雷达的不同故障类型分别进行统计,提出了确定故障发生时间的方法,并对故障出现后及故障排除之前的数据进行了提取,同时也提取出了相对应的无硬件故障时的数据,分别建立了训练集及测试集;然后,分别对由于激光雷达硬件故障导致的异常回波数据及无硬件故障时的数据进行特征分析。由于激光雷达系统的复杂性以及硬件故障类型的多样性,选择模糊逻辑来实现对硬件故障数据的识别,建立了基于模糊逻辑的硬件故障数据自动识别方法,并提出了相应的降低误判率的方法,将该方法在测试集中作了检验。经过检验,对米散射激光雷达硬件故障数据识别率达到95.9%,而误判率仅为1.5%;对差分激光雷达的硬件故障数据识别率也达到了 94.8%,误判率为2.3%。在对典型故障类型进行分析的基础上,提出了采用聚类分析方法来初步判断硬件故障类型的方法。将此算法应用于对未知硬件故障数据的识别,在实际的应用过程中得到了较好的结果,由此进一步证明了该硬件故障数据自动识别算法的可行性。同时该方法也可以对雷达运行状态进行的实时监控,为及时发现故障、排除故障,保证仪器的正常运行及数据的完整性提供支持。最后,提出了通过构建雷达比与消光系数、污染物数据以及气象数据的线性函数,建立了区域激光雷达的雷达比估算方程。通过与区域内组网雷达的对比验证,证明了该方法在区域激光雷达组网观测中对数据的订正有较好的结果。