20世纪90年代后，结合全球定位系统及惯性导航系统的发展，机载激光雷达主要通过单波长脉冲激光扫描的工作方式进行测距，展现了其对地表空间三维快速、高精确获取能力， 广泛应用于测绘、林业等领域，成为重要对地观测技术手段。单波长探测限制了其光谱探测能力，但借鉴被动多/高光谱遥感探测技术发展，探测波段数量越多则光谱信息获取能力越强。显然，在保留激光雷达三维空间探测能力的同时，针对性地增加探测波长数量，在一定程度上可以达到提高激光雷达光谱探测能力目的。

实际上，与测距类激光雷达机制不同，多波长激光主动探测技术在其他领域中的应用与发展由来已久。20世纪70年代，基于大气散射机制的双波长（1064 nm、532 nm）激光雷达就已在大气遥感中得到应用。随后，多波长激光雷达技术（1064 nm、532 nm、355 nm）又得到进一步发展，主要用于大气气溶胶探测和污染监测。而在对地观测中，双波长激光（1064 nm、532 nm）也已在20世纪90年代得到商业应用，用于机载激光测深，通过同时完成水深和岸线地形测量实现海陆地形无缝拼接，而非用于光谱获取能力提升。进一步地，基于多波长激光（1064 nm、532 nm、1550 nm）探测的机载双频激光雷达也日渐发展成熟，主要应用于海洋、海岸带和岛礁的地形地貌测量。

相对于多波长激光雷达在其他领域的应用，以提高地物光谱特性获取能力为目标的主动激光雷达技术发展相对较晚。主要是不同于大气等遥感探测应用对激光波长依赖性不高，采用常规激光器本征激光波长（如1064 nm、532 nm）探测即可。而对于地物目标光谱获取需求，要针对性增加地物特征波长用于探测，这就对激光器的选择与研制提出了重大挑战。因为作为激光雷达对目标探测的主动光源，激光器的性能参数决定了系统的探测性能。输出激光的峰值功率越高，激光雷达的探测距离就越远；激光重复频率越高，系统探测点云密度就越高，获取三维空间信息则越精准。然而，不同参数的高指标兼顾输出对激光器研制是一个极高挑战，对于特定波长的激光器研制更是难上加难。

Nd：YAG固体激光器具有脉宽窄、重复频率高、功率大等优点，较易满足激光雷达探测需求，并且输出1064 nm激光经过倍频晶体和3倍频后还可产生532 nm和355 nm激光。因此，早期作为探索性的尝试，Tan等（2002）采用1064 nm和532 nm两个固体激光器本征波长研制了双波长机载偏振激光雷达系统，通过不同波段反射率对树种的识别进行探测区分，具有一定可行性。然而，因激光雷达系统增加波段的为固体激光器本征波长，而非最能表征地物光谱特征的波长，对地物探测能力的提升必定有限。

因此，唯有针对典型地物探测应用增加表征其光谱特性特征波长，发展激光雷达技术用于地物遥感监测，方可大大提升对地物光谱特性的获取能力。美国宇航局（NASA）的Rall和Knox （2004）采用660 nm和780 nm两个邻近植被“红边”波长的激光器两个，研制了针对植被光谱特性探测的双波长激光雷达，初步验证了通过获取植被指数用于植被生长状态变化监测的可行性。英国赫瑞瓦特大学Buller等（2005）选用630—975 nm范围内6个不同波长激光器，实现了对远处角反射器目标6个不同波段反射信息的获取。以上相关研究已初步展现了增加地物光谱特征波长对光谱能力探测具有提升的作用，但因不同波长激光束分别单独探测，不同波段光谱信息在三维空间上并不完全一致，而且仅仅进行了单点测试并未实现扫描探测。

为了能够实现在同一激光点对不同波段光谱信息的同时获取，并且可以展示扫描三维空间探测能力，武汉大学龚威等 （2006）提出开展植被光谱比探测激光雷达关键技术研究，通过采用670 nm和780 nm两个激光器作为激光光源，双波长激光经光学合束后输出，结合机械扫描可实现对植被三维信息及双波长反射光谱信息的同时获取。此外，针对植被探测应用需求，芬兰大地测量研究所（FGI）Chen等 （2010）利用超连续谱激光器作为光源，研制了双波长（600 nm和800 nm）激光雷达。随后，美国波士顿大学Douglas等 （2012），英国索尔福德大学Gaulton等 （2013）联合纽卡斯尔大学，以及美国爱达荷大学Eitel 等 （2014）通过选择不同的波长研制了用于植被或农作物生长状态监测的双波长激光雷达系统。

相关系统的研制，都充分验证了增加探测波段对激光雷达光谱信息获取能力提升具有重要意义，尤其在植被遥感监测方面展现出了巨大应用潜力。然而针对不同地物目标和同种植被不同生长状态的探测需求，两个波长对于光谱探测能力的提升仍然有限，需增加更多的表征物性的特征波长，从而达到更佳的光谱探测效果。但是，随着物性特征波长的增加，就需增加对应波长激光器及探测通道，从而增加系统复杂度及成本。因此，进一步发展面临的首要关键问题就是需结合应用探测效果来综合评估增加探测波段，确定最优波段数量和最佳特征波长。

针对不同地物目标和同种植被不同生长状态的探测需求，为了能够更好地实现对地物三维—光谱信息的一体化遥感探测，武汉大学提出发展能够更好表征地物属性的多光谱激光雷达系统，Song等（2008）基于“以尽量少的激光探测波长获得尽量好的物性探测能力”的准则对350—2500 nm高光谱数据开展波长选择研究，对比分析了不同波段数目（2—215个）组合情况下物性反演效果，确定采用556 nm、670 nm、700 nm和780 nm 4个波长能够较好表征地物属性，并于2009年底成功研制对地观测多光谱激光雷达系统（龚威 等，2009）。并且，结合激光雷达三维空间探测优势与不同波段激光反射光谱，对9种不同典型地物以及不同生长状态的植被进行遥感分类监测，达到较好效果（宋沙磊， 2010）。四波长多光谱激光雷达的成功研制，实现了在一台设备上对空间三维—光谱信息的一体化获取，面向真实场景三维多光谱扫描成像效果也得到了进一步展示和验证（Gong等，2012；史硕 等，2014）。

国际上，英国爱丁堡大学Morsdorf等 （2009）基于模型进行了多光谱激光雷达数据模拟，从理论上分析了多光谱激光雷达相比于单波长激光雷达在森林结构和生理参数监测方面的潜在优势。Woodhouse等 （2011）研制了一套基于可调谐激光的四波长（531 nm，550 nm，690 nm，780 nm）多光谱激光雷达系统，可用于获取树木的高度信息及冠层内部NDVI的季节性和垂直变化。但是可调谐激光器每次仅能输出一个波长激光，需分多次测量才能获取四个波段的光谱信息。在此研究基础上，赫瑞瓦特大学Wallace等（2014）采用超连续谱激光与声光可调谐滤波器（AOTF）方案，进一步分析了多光谱激光雷达在森林结构和生理参数获取方面的性能。但是因为AOTF方案不同波长输出需通过多个激光脉冲发射方能实现，不同波长间存在脉冲延迟，在各波长绝对同步探测方面存在一定限制。

为了进一步获取更好的地物探测性能，芬兰大地测量研究所（FGI）Hakala 等（2012）研制了8通道（542 nm，606 nm，672 nm，707 nm，740 nm，775 nm，878 nm，981 nm）全波形激光雷达系统，并测量展示了挪威云杉的多光谱反射率与光谱指数三维点云数据。近年来，Wang等（2018）联合芬兰大地测量研究所通过多次测量实现了用于近距离矿石分类的8通道（540 nm，670 nm，800 nm，990 nm，1064 nm，1100 nm，1225 nm，1460 nm）激光雷达系统，并在此基础上将其拓展为450—1600 nm光谱范围内17通道激光雷达系统（Chen等，2018）。

此外，Niu 等（2015）也发展了一套四波长（531 nm，570 nm，670 nm，780 nm）多光谱激光雷达系统，可用于植被生化组分特征垂直分布提取。而为了推动多光谱激光雷达系统的实用化发展，武汉大学联合中国科学院精密测量科学与技术创新研究院（原武汉物理与数学研究所）在原有技术基础上又进一步发展了三波长（466 nm，546 nm，626 nm）多光谱激光雷达系统，利用可见光波段进行目标的真彩色三维成像，可取代现有的点云和被动影像融合的方案，一次生成真彩色的三维点云成像（Wang等，2020）。

除国内外各研究机构原理样机研究外，Briese 等（2013）利用Rigel公司的3个不同波长的激光雷达——RIEGL VQ-820-G（532 nm）、RIEGL VQ-580（1064 nm）和RIEGLVQ-480i（1550 nm）对同一地区实施机载飞行扫描，每个系统单独实施辐射校正，通过多次测量获得多光谱数据进行农业遥感监测应用。2014年，加拿大Teledyne Optech公司发布了商用机载多光谱激光雷达系统——“Titan”（泰坦），配备搭载了3个独立的激光波长（532 nm，1064 nm和1550 nm），目前已经在北美和欧洲进行多次飞行实验，可用于森林管理、城市土地利用检测、海岸线变化检测等。随后，奥地利Rigel公司也发布了产品VQ-1560i-DW，搭载了两个独立的激光波长（532 nm和1064 nm）。虽然Optech Titan和Rigel VQ-1560i-DW同时拥有2—3个波长，但是不同通道的扫描角并不相同，相应地不同通道在同一目标上所采集的点位置并不完全一致；而且探测波长多为常规激光器波长而非地物特征波长，对光谱探测能力的提升有限。因此，目前商用机载系统对三维—光谱信息一体化获取仍存在诸多限制，并非真正意义上的商用多光谱激光雷达系统。

多光谱激光雷达系统的发展，验证了通过增加波段数目来增强地物光谱探测能力的可行性，而发展几十个甚至更多谱段的激光雷达系统来进一步实现对地物的高光谱分辨、高空间分辨探测，意义更加深远。相比于多光谱激光雷达，高光谱激光雷达旨在提供更强的光谱探测能力，通过几十个波段探测实现对可见—近红外更宽的光谱覆盖以及更高的光谱分辨能力。

作为主动式的探测方式，高光谱激光雷达发展面临的首要问题是覆盖可见—近红外宽谱激光光源的选择。随着超连续谱激光光源技术的不断发展，通过使用超短脉冲激光耦合进入高非线性光纤，利用光纤的非线性效应、四波混频及光孤子效应，可将脉冲光谱进行展宽实现超宽（400—2500 nm）的光谱输出，为高光谱激光雷达的发展提供了较好的契机。

基于超连续谱激光光源，武汉大学结合光栅分光与APD阵列探测开展高光谱激光雷达研究，用于实现激光雷达更多谱段光谱探测，并于2013年底成功研制光谱分辨率为12 nm的32通道高光谱激光雷达样机（杜霖等，2014；祝波，2015；Shi等，2016），并在450—910 nm光谱范围内可调。其中，高光谱激光雷达系统32波段中心波段设置为538 nm—910 nm，可适用于植被不同施氮水平监测（Du等，2016，2018；Sun等，2017a，2017b）。

中国科学院空天信息创新研究院（原遥感与数字地球研究所）Sun等 （2014）以超连续谱激光器作为光源，设计了光谱覆盖409—914 nm 的32通道高光谱全波形激光雷达并实验测试了其可行性。测距精度可满足植被垂直分层探测的需求，所测叶片NDVI与被动式光谱仪测量结果趋势相同。针对5 GHz 全波形高速采集难度大的特点，设计了多通道切换转置，并根据应用需求实现了32个光谱波段数据采集。

中国科学院空天信息创新研究院（原光电研究院）Li等（2018）联合芬兰大地测量研究所基于液晶可调滤光器（LCTF）方案通过多次测量实现了对550—720 nm光谱范围内10 nm光谱分辨探测，基于对“红边”效应定量分析用于植被监测。随后，Chen等（2019）采用声光可调谐滤波器（AOTF）通过不同脉冲发射不同波长实现光谱分辨率10 nm的51通道高光谱激光雷达，光谱覆盖范围500—1000 nm，对4种植物的黄叶和绿叶进行测量，评估了在农业应用中的可行性。在此基础上，Shao等 （2019）设计了光谱分辨率5 nm的91通道高光谱激光雷达系统，用于近距离煤、岩石等矿物的探测分类。但是，与英国赫瑞瓦特大学方案类似，采用AOTF方案仍然需要发射多次激光脉冲才能实现多波长测量，不太适合机载扫描等需求单脉冲进行一次高光谱快速获取的应用场景。

综上所述，国内外研究机构在对地观测多/高光谱激光雷达系统的研究方面已取得长足进步，图1展示了对地观测多/高光谱激光雷达的发展趋势，其发展可以总结为 “双波长—多光谱—高光谱” 的发展历程。在高光谱激光雷达技术实现方面，基于超连续谱激光光源与光栅分光探测方案在未来一个阶段内将是主要的发展方向，系统也逐渐由原理样机向实验样机/小试样机发展，并且逐步拓展由“地面—车载—机载”的多平台应用。具有重要意义地，2018年，中国国家科技部国家重点研发计划立项支持机载探索应用，面向航空航天高光谱激光雷达对地观测技术发展前沿、目标探测空间三维—光谱信息一体化获取与识别应用需求，旨在研制不少于50个波段高光谱激光雷达机载原理样机，未来其成功研制将有利于加快推动高光谱激光雷达技术的成熟应用，并可为航天高光谱激光雷达载荷研制奠定技术基础。

高光谱激光雷达可以测量生成具有时间标签的多波段全波形数据，经波形分解距离解算后可生成三维点云数据，并兼具多波段光谱强度信息。然而受系统传输效率、地表反射特性等影响，不同波段回波数据质量存在较大差异，部分探测波段信噪比较低。而针对低信噪比探测波段，由于受噪声等因素干扰，其回波波形分解难度较大，难以获取精确的回波脉冲时间、振幅、脉宽以及多回波分布等波形参数。因此，如何发挥多波段优势，对不同波段尤其是低信噪比波段全波形数据进行精确波形预处理与波形分解，是波形参数高精度提取的重要步骤。

目前，高光谱激光雷达多通道全波形数据分解相关研究已初步展现出其独特优势。一方面，相较于单波段全波形数据，可通过改进回波分量初值设定来获取回波脉冲的位置、宽度和强度，减少部分重叠回波的漏检问题，具有更好的波形分解能力（王滨辉 等，2017）。另一方面，针对弱回波波段全波形分解，可利用高信噪比波段数据改善低信噪比波段的波形参数提取。Song 等（2019）基于不同波段间的空间一致性特点，充分发挥高光谱激光雷达波段数目多的优势，将高信噪比波段波形分解得到的波形参数作为参考，辅助低信噪比波段的波形数据分解，从而提高波形拟合的精度。

着眼于高光谱激光雷达的未来发展，高精度的几何信息和光谱信息获取是其成功应用和推广的决定性前提，由此可见几何校正与辐射校正的重要性。在几何校正方面，虽然高精度的几何信息获取能力是激光雷达的传统优势，国内外相关研究已经较为成熟并达到了比较好的效果（Reutebuch等，2003；王成 等，2007）。然而，不同于单波长激光雷达，高光谱激光雷达存在全波形脉冲回波异步化问题，需对此进行几何校正。异步化问题主要源于超连续谱激光源不同波长间并不是严格脉冲同步的，脉冲间最大差分时间为数百皮秒，最终将导致在频谱通道中引起距离歧义。Zhang 等（2019）基于特定红边通道的几何不变性，提出了脉冲信号校准方法消除了同一观测目标的点云重影效应，可有效避免距离歧义问题。

在辐射校正方面，高光谱激光雷达光谱信息的高精度获取至关重要，因此对不同波段强度数据进行辐射校正在高光谱激光雷达数据处理中意义重大。此前，激光雷达回波强度的辐射校正研究，已经逐渐受到国内外关注（H?fle 等， 2007；Kaasalainen 等，2009；Wagner，2010），而高光谱激光雷达的发展更是促使其成为国际上的研究热点（Shi等，2015）。通过相对辐射校正方法、基于数据拟合的经验模型校正方法以及基于激光雷达方程的理论模型方法，在对探测距离、激光入射角、大气衰减等影响的校正方面取得了一定进展（覃驭楚 等，2011；Kaasalainen 等，2011；谭凯等，2015；Kashani 等，2015；Xi 等，2015；Yan 等，2012）。但是，在目标表面特性影响校正方面，针对自然目标表面复杂反射特性的影响评估与模型校正，相关研究（Hermann 等，2010；Ding等，2013；Yang等，2019；林沂 等，2019）尚处在初步探索阶段，仍有待进一步研究。

高光谱激光雷达可获取全新类型的三维空间—光谱一体化数据，具有显著的信息提取优势，在测绘、农林业等相关领域可展现其独特的应用潜力。多/高光谱激光雷达作为一种新型的主动遥感技术，能够提供高一致性的光谱和空间几何信息，可广泛用于土地覆盖分类、复杂地形调查等。Gong 等（2015）通过对多光谱激光雷达三维场景开展分类对比实验，初步验证了多光谱激光雷达地物分类能力优于单波长激光雷达和多光谱影像。Chen 等（2017）利用支持向量机和空间信息改善了多光谱点云的椒盐噪声问题，并展示了三维多谱点云分类效果，如图2所示。类似的，Wichmann 等（2015）研究表明，与单波长激光雷达数据和光学图像相比，多波长激光雷达数据更适合常规的土地覆盖分类和制图。Fernandez-Diaz 等（2016）介绍了Titan 系统参数，并展示了土地覆盖分类效果，如图3所示。

而关于多/高光谱激光雷达数据土地覆盖分类，可直接进行在三维激光雷达点云分类（Kumar 等，2019；Chen 等，2019）或将三维点云转换为二维特征图像后分类（Teo和Wu，2017；Pan 等，2018）。随着点密度的提高和未来探测通道数目的增加，数据处理计算量大大增加，先转换为二维特征图像后再分类成为一种较为有效的解决方法。Pan 等（2019）即采用该数据处理方法，再利用成熟的图像处理算法（如最大似然、支持向量机、决策树和随机森林）获取土地覆盖图。此外，围绕关键算法开展GPU集群并行框架的海量数据高性能处理方式也将是未来重要发展方向，包括并行处理模型、优化并行算法策略等，可大大提高对于地表覆盖分类的运算效率。

相比于多光谱激光雷达，高光谱激光雷达光谱探测通道更多，光谱分辨能力更强，可在地物分类、土地覆盖分类方面展现出更佳的能力。此外，针对复杂地形调查等，高光谱信息的融入可提高丘陵、植被覆盖等复杂地区地面点和地物点区分能力，提高DEM成果精度。而且，激光还可以穿透树叶缝隙，实现对植被覆盖下的地表测绘和目标识别，在军事应用当中也将发挥重要作用。

特别地，高光谱激光雷达结合了被动光学的高光谱观测能力及激光雷达的垂直探测特点，在探测植被冠层内部或者底部的精细结构和光谱方面可展现其独立优势。因此，高光谱激光雷达不仅能通过全波形数据对植被的空间结构信息进行提取，还可以通过多通道光谱信息提高对植被的生理生化参数的反演能力，为探测植被生理生化特征的立体分布提供了新的遥感观测手段。

基于目前已发展国内外高光谱激光雷达系统，国内外已开展了针对植被生理生化参数的初步应用探索，图4展示了武汉大学、芬兰大地测量研究所、中国科学院空天信息创新研究院（原遥感与数字地球研究所）相关研究结果。此外，研究表明高光谱激光雷达具有估计叶片尺度氮含量、叶绿素含量和类胡萝卜素含量等植被生化参数的潜力（Nevalainen 等，2013，2014；Du 等，2016；Li等，2016；Sun等，2018）。此外，Junttila 等（2015）展现了高光谱激光雷达对云杉和松树干旱情况的监测潜力，林沂（2017）分析了高光谱激光雷达支撑发展三维生物物理化学生态测量学的可行性。高帅等（2018）和Bi等（2020）展示了高光谱激光雷达在植被三维生化组分和结构参数一体化提取方面的能力。相对于传统的探测手段，高光谱激光雷达极大地提高了对森林定性分析和定量反演的性能，也可为精准农业的发展提供有力的技术支撑。