近年来随着探测技术的进步,超光谱探测仪向着更宽的光谱范围和更短的重访周期方向发展,每日产生的庞大数据量给信息的传输和存储造成极大的负担,同时由于超光谱数据在光谱维度信息冗余较高,将全部光谱通道都应用于大气反演和同化会增加计算负担造成结果的不适定。因此,在对超光谱数据进行大气同化或反演计算前,需要对超光谱数据辐射抽稀,获得可直接用于同化反演计算的关键数据,在本文中将其称为关键信息,在压缩中被优先传输处理。本文基于此设计了一种同时兼顾同化反演计算和压缩效果的基于关键信息空谱时预测的无损压缩及解压缩算法。首先,从超光谱数据的成像特点及物理特性出发,介绍了该数据从获取到同化反演应用的数据处理流程,并对此流程中获得的各个数据产品进行了介绍,在此基础上以IASI L1C级产品作为实验数据定量计算了超光谱数据的空间、光谱和时间相关性及信息量,定性说明了超光谱数据的可压缩性。其次,提出了兼顾压缩效果与同化反演应用的关键信息提取方案,分别从光谱和空间维度抽取关键信息,并在此基础上采用对关键数据重建预测的方法去除空间和光谱维的数据冗余,最后将残差和关键数据输入区间编码器中获得压缩码流。解压端采用与压缩端相反的处理方式即可无损恢复图像。实验中对IASI L1C级数据进行无损压缩,最终平均压缩比达到2.48。最后,考虑到从IASI观测地球极地地区获取的超光谱数据具有极大的时间相关性,为提高压缩效率,设计了一种基于在线学习预测的时间维关键信息预测模型。之后对参考时间片关键数据与预测出的当前时间片关键数据分别进行空谱重建预测获得预测残差,对最终残差与参考时间片关键数据分别进行区间编码处理获得压缩码流。解压端采用与压缩端相反的处理方式即可无损恢复图像。实验中对IASI L1C级的6个数据块进行无损压缩并与目前已有的针对IASI数据的压缩方案进行对比,结果表明本文设计的压缩方法获得的压缩比几乎可以和当前已有最高压缩比持平,可达2.52。本文的压缩方法着重保护了超光谱数据的关键子集,在减小数据量的同时兼顾了超光谱数据的后续反演及同化应用流程。