遥感对地观测依赖电磁波实现了不接触地表获得地表状态、变化及其位置等数据，探求电磁波与地面相互作用和随时间变化规律是遥感的本质内容，贯穿着从遥感信号、遥感数据、遥感信息和知识转换整个过程。麦克斯韦方程组、散射定理、普朗克定理和辐射传输模型等遥感物理定理的产生是通过一系列的近似与假设，实现复杂问题的一般化和线性化。随着当代非线性数学、人工智能和计算机技术的迅速发展，遥感数学在解决遥感复杂问题中能否发挥重要的作用，已经成为遥感领域的时代期待。 贝叶斯网络是20世纪80年代发展起来的概率推理人工智能方法，也是通过统计概率解决非线性问题的方法，具有以下重要性质：通过有向无环的拓扑连接表示变量之间的相互依赖和条件独立关系；通过贝叶斯网络推理计算，每个点都可以获得一个条件概率表；条件相关性也可以根据因果关系设定；不受高斯条件约束。本文论述了将贝叶斯网络这些性质应用到处理遥感数据探索过程中的理论、方法和关键技术问题及其阶段成果。 论文的主要贡献体现在以下5个方面： (1)首次将贝叶斯网络比较全面地引入遥感数据处理，包括预处理、分类、变化检测和推理预测实验等。 (2)开展了离散化预处理实验和波段数与样本数的优化组合实验。遥感数据是海量数据，为了减小数据量与提高网络训练效率，在分类前需要进行离散化预处理，通过实验选择熵离散方法可以取得满意的效果。 当选定遥感波段数时，样本数不断增加，网络结构变得更加复杂，揭示数据之间更多的依赖关系，同时网络测试精度也随着样本数的增加而增加，样本数达到一定程度后测试精度达到稳定状态。 (3)实现了遥感数据的贝叶斯网络分类，并且将分类结果与最大似然分类方法进行了比较，表明贝叶斯网络不受高斯正态分布的条件约束，其条件独立和概率分布等性质更适合于遥感数据特点；将贝叶斯网络分类结果应用到北京市城市扩展模型分析和城市增长方式鉴别，取得了良好结果。 (4)探索了贝叶斯网络的遥感直接变化检测技术，建立了变化信息检测的贝叶斯网络。采用了时间序列的ASTER卫星数据以北京市奥运主场馆及其北部地区为实验区，和采用时间序列的TM数据以北京市为实验区，进行遥感变化检测，检测结果明显优于最大似然方法，表明贝叶斯网络在土地利用变化检测领域具有较高应用价值。 (5)初步实验实现了利用贝叶斯网络推理的蝗虫灾害环境因子预测。论文应用贝叶斯网络实现了东亚飞蝗灾害发生的生境因子预测，在东亚飞蝗灾害发生期间，分别对不同因子在不同时间段进行了预测，因子的预测值与实际值在随时间变化的趋势上具有很好的一致性，表明贝叶斯网络为灾害的预测提供了一种潜在有效的方法。