近年来，随着国家高分辨率对地观测系统重大专项的实施和国家民用空间基础设施中长期发展规划(2015-2025年)的启动，我国对地观测卫星种类不断增加并日臻完善，遥感数据资源不断丰富，卫星应用领域和规模不断扩大，行业与区域应用蓬勃发展，业务化应用水平快速提高，卫星遥感在天气预报、减灾防灾、农业监测、资源调查、土地利用、环境监测、海洋监测、公共安全、重大工程建设等各方面都发挥了重要作用。我国已经成为卫星遥感大国，初步具备了服务国家经济与社会发展的能力。但是，不管是国际还是国内，陆地光学卫星遥感应用一直是个难题，其瓶颈就是从“数据”到“信息”的定量转化水平低。因此，面向应用需求，针对我国光学卫星数据的特点开展卫星数据应用性能评价及信息提取方法研究，对于促进我国光学卫星数据业务化应用，提高我国对地观测系统的应用效能，进而建设航天强国具有重要的意义。　　本论文以研究和评价国产光学卫星数据应用性能为目标，在对各行业应用需求调研和分析的基础上，以高分一号(GF-1)卫星宽视场成像仪(WFV)数据为例，对行业应用需求关注度高、卫星数据应用性能影响大的地表反射率、植被指数、土地覆盖分类和叶面积指数反演等典型要素进行研究，分析与评价我国光学卫星数据应用性能，为有效促进国产光学卫星从“数据”到“信息”的定量转化提供技术支撑，服务于国产卫星数据业务化应用的需求。具体的主要研究内容和成果如下:　　(1)我国卫星遥感应用部门众多，应用需求表述多样，科学、定量、系统、规范地对遥感应用需求进行描述存在很大困难。本研究利用调研、查阅文献和政策文件等方法统计分析了我国主要行业部门的遥感应用需求，并总结了行业部门的共性应用需求，主要包括专题地图的制作、长期稳定的数据源保障、多空间尺度数据需求和大范围、全球数据获取需求等。本研究进一步将行业应用需求转换为遥感应用参量和遥感观测参量，确定了大气、陆地和海洋三大领域表征光学卫星数据应用性能的典型要素，最终选定地表反射率、植被指数、土地覆盖分类及叶面积指数反演四个典型要素作为分析国产光学卫星数据应用性能的评价指标。　　(2)光学卫星地表反射率数据的准确获取决定了遥感地物识别和地表参数反演的准确性，是遥感数据应用的基础。植被指数能较好地反映绿色植被的生长状况及其空间分布，有助于增强遥感影像的解译，已广泛应用于土地覆盖分类、植被参数反演等遥感应用领域。因此，验证国产光学卫星地表反射率和植被指数的可靠性是评价国产光学卫星数据应用性能的基础。本研究通过与Landsat-7卫星ETM+数据的地表反射率和植被指数交叉验证的方式评价和分析了GF-1卫星WFV数据。研究中采用了4种植被指数包括归一化植被指数(NDVI)、增强植被指数(EVI)、比值植被指数(RVI)和土壤调节植被指数(SAVI)。研究结果显示GF-1卫星WFV与Landsat-7卫星ETM+数据的蓝、绿、红和近红外波段地表反射率之间的线性回归决定系数分别达到了0.82、0.89、0.92和0.80，NDVI、EVI、RVI和SAVI四个植被指数之间的决定系数分别达到了0.90、0.84、0.83和0.91。结果表明GF-1卫星WFV数据和Landsat-7卫星ETM+数据之间具有很高的相关性，表明了GF-1卫星WFV数据具有可靠性。而且，GF-1卫星WFV数据的时空分辨率都优于Landsat-7卫星ETM+数据，使其能够更有效和及时的获取地表的详细信息，为行业部门应用提供了坚实的数据基础。　　(3)土地覆盖影响着地球系统过程的各个方面，具有重要的科学研究价值。不同植被类型之间具有不同的生长变化规律等明显区别于其它地物类型的时间变化特征，具有提高土地覆盖分类精度的潜力，但一直由于合适遥感数据源的缺乏，时相特征用于高空间分辨率遥感数据土地覆盖分类研究较少。本研究获取了覆盖研究区植被生长周期的时间序列GF-1卫星WFV数据，并利用其生成的时间序列NDVI提取了表征地物时间动态变化特征的时相特征，包括时间序列NDVI的最大值、最小值、平均值和标准差，进而采用支持向量机的分类方法分别进行基于光谱特征及其与时相特征组合的土地覆盖分类。验证结果表明本研究提取的时相特征能够有效体现不同植被类型的生长过程特征，提高了不同植被类型之间的可分性，最终提高了土地覆盖分类精度约7个百分点，达到了92.89％，尤其大幅度提高了植被类型的识别精度。研究结果表明了GF-1卫星WFV数据土地覆盖分类应用性能较好，能够为相关的应用提供可靠的高空间分辨率土地覆盖数据。　　(4)叶面积指数是表征叶片的疏密程度和冠层结构特征的重要植被参数，在全球变化研究、地表过程模拟和生态环境评估中发挥着重要的作用。本研究研发了以辐射传输模型为基础的叶面积指数自动化反演算法。该算法利用PROSAIL辐射传输模型模拟不同土壤和植被条件下的地表反射率与叶面积指数之间的物理关系，形成算法研发的样本数据集，进而利用神经网络算法构建地表反射率和叶面积指数之间的关系模型。GF-1卫星WFV数据的绿、红和近红外波段的地表反射率数据是神经网络的输入变量，相应的LAI是输出变量。利用地面测量LAI数据的验证结果表明本研究算法能够得到的令人满意LAI估算结果(R2=0.818，RMSE=0.50)，表明GF-1卫星WFV数据具有较好的LAI反演应用性能，并且该算法具有利用GF-1卫星WFV地表反射率数据业务化生产LAI数据集的潜力，能够为农业、生态系统和环境管理等研究提供高时空分辨率的LAI数据。　　本论文的创新点是:(1)在广泛调研的基础上，提炼了行业部门的共性应用需求，并总结了表征遥感数据应用性能的典型要素;(2)利用交叉验证方法，检验和评价了GF-1卫星地表反射率数据和植被指数数据的可靠性;(3)提出了综合利用光谱特征和时相特征的国产光学卫星数据土地覆盖分类方法，有效改善了土地覆盖分类精度，尤其是提高了各种植被类型的识别精度;(4)研发了基于辐射传输模型和机器学习算法的十米级空间分辨率国产光学卫星数据LAI自动反演方法，克服了经验模型方法中模型参数的确定问题。