Landsat系列卫星数据集是目前时间跨度最长的卫星遥感数据集，已被广泛用于土地覆盖分类、生态环境调查与评估、城市扩展动监测和农业估产等领域，具有重要的研究与应用价值。然而，由于受气候气象等条件的限制，获取大区域、长时间序列的无云遥感影像非常困难。大部分遥感图像获取过程中都会或多或少受到云层遮挡，严重影响了遥感数据的获取质量。为了提高有云数据的利用率，通常采用云检测与去除来消除云的影响。传统检测与去除方法对云不区分类型统一对待，薄云含有一定的地物信息，而厚云几乎不含任何信息，在后续云去除的过程中两者的处理方式不同，大大降低了数据利用的效率。因此，面向Landsat卫星数据集，研究高效自动地云检测与分级方法，更好的服务于无云产品生产，提高Landsat系列卫星数据的应用率。为了满足自动化且高精度的云检测与去除的需求，本文综合Fmask、 LTK和HOT算法，提出了Landsat系列卫星云检测与分级的技术框架，主要包含三个步骤：1)基于Fmask算法进行云区域和晴空区检测；2)应用LTK算法进行厚云检测；3)基于晴空区和HOT算法进行薄云分级。通过使用USGS提供的157景全球验证数据以及人工目视标记的4景长三角区域数据进行实验，对于以植被为主要地物类型的影像，拥有较高的检测精度和较好的云分级效果，能更好的满足多源多时相去云的数据需求。