无人机遥感作为一种新兴的空间数据获取手段，具有机动灵活、适应性强、低成本等特点，近年来取得了长足的发展，各种类型与用途的无人机遥感系统如雨后春笋般涌现，在国民经济各行业得到了广泛应用，在高分辨率基础数据获取、应急响应和遥感载荷综合验证等领域发挥着越来越重要的作用，具有非常广阔的发展前景。　　由于绝大多数无人机遥感系统在中低空进行遥感作业飞行，经常受到大气扰动的影响，无人机飞行姿态会发生快速“抖动”。为补偿无人机姿态“抖动”的光电稳定平台因受到机械传动响应性能的限制，往往无法满足载荷高精度成像实时补偿的要求，导致载荷图像出现不同程度退化现象，难以满足科学研究与实际应用对高质量遥感数据的需求，极大影响了无人机遥感应用效能的发挥。论文通过分析大气风场对无人机遥感载荷成像的影响，构建大气风场对无人机遥感载荷成像各环节的传递效应模型，探索大气风场对载荷成像质量影响的作用机理，为无人机遥感载荷作业飞行规划、高精度遥感载荷成像处理与载荷数据质量评价等提供基础技术支撑。论文的主要成果和创新点如下:　　(1)构建了大气风场作用下无人机姿态仿真分析方法。分析了无人机作业环境大气风场的类型，建立了包含突风和大气紊流的复合风场环境。在大气紊流场构建时，引入随机双交换算法改善高白噪声白化程度，提出了非线性最小二乘法解决成形滤波器参数无理化问题，利用空间相关性构建了的三维大气紊流场。并基于当前成熟的无人机“四点法”模型及其受风场作用下模型修正方法，采用Runge-Kutta法解算无人机姿态，通过分析获得了大气风场作用下无人机姿态响应分布规律。　　(2)提出了自适应差分遗传小波神经网络光电稳定平台系统辨识方法。通过分析获知，光电稳定平台系统是高阶非线性系统。为了解决非线性系统存在模型结构和阶次难以确定、辨识难度大的问题，提出了自适应差分遗传小波神经网络系统辨识方法，该方法具有快速学习能力、较强泛化能力、容错能力和全局寻优能力，能快速准确辨识非线性系统。并通过试验数据验证了该方法对光电稳定平台系统辨识的有效性和准确性。　　(3)构建了基于载荷运动的图像质量退化敏感性分析方法。针对载荷运动引起的图像退化类型，构建了退化图像质量评价指标体系，研究了退化图像质量与载荷运动参数之间的定量关系，建立了基于载荷运动的图像质量退化敏感性分析方法。该方法有效地解决了当前载荷运动引起图像质量退化定性分析为主，缺乏定量研究的问题。　　(4)针对无人机遥感载荷成像大气风场传递效应中的关键技术，开发了大气风场传递效应分析原型系统，实现了大气风场传递效应对载荷成像质量影响的过程分析，验证了本文所建方法的可行性和研究成果的正确性。