随着遥感技术的发展,越来越多的遥感应用需要高质量、高分辨率的卫星遥感数据为其提供空间支持。与此同时,如ZY-3、GF-1等数据的高空间分辨率、高时间分辨率卫星成像的云量预测逐渐成为研究热点。然而,ZY-3、GF-1数据集与传统ISCCP数据集、FY-2E数据集变现在分辨率上的差异性,使得基于ISCCP、FY-2E等数据的云量预测模型不再适用于ZY-3、GF-1,这就制约了高分辨率卫星存档影像数据在云量预测上的广泛应用。因此,基于ZY-3、GF-1数据集的云量预测模型的研究对于高分辨率卫星数据获取和应用研究具有重要的意义。基于历史云量数据的时间序列预测模型很大程度上依赖数据集的密度,本文主要围绕ZY-3、GF-1的多尺度数据集,从时间序列研究角度深入分析高分辨率数据集的特性,并针对高分辨率影像的云量数据,建立了一种基于双树复小波分解的云量时间序列组合预测模型,主要研究内容和工作如下:1)提出了高分辨率云量数据序列分解方法。在卷积神经网络预处理历史云量数据的基础上,完成高分辨率云量数据的分解工作,并且得到两个云量数据类型:低频趋势时间序列和高频随机时间序列。双树复小波可以保留云量数据的整体变化信息但又较好的保留高频信息的随机性,同时也回避了数据集增加带来的随机项数据比重提高,造成过度拟合的情况,为后续的云量预测工作奠定了基础。2)提出了一种云量预测组合模型。在时间序列分解工作的基础上,分别针对低频趋势信息和高频随机信息,采用两种预测模型,分别适用于不同时间序列信息,对高低频时间序列预测信息进行双树复小波分解的逆运算得到最终预测信息,实现了基于高分辨率历史云量数据的中长期预测,解决了传统模型不适用于ZY-3等高分辨率数据集的问题。3)将云量预测结果应用于卫星成像规划。在卫星成像规划中纳入云量的影响因素,使得对于感兴趣区域一定时期内的云量进行预测,为卫星成像规划以及航拍作业计划提供指导。