天地一体化网络是当今全球科技和产业发展的热点。在天地一体化网络中,网络拓扑复杂,节点距离远、时延高,节点状态难以获取;地面网络覆盖范围有限,路由与计算能力充足,网络拓扑稳定,而空间网络覆盖范围广,星上计算能力匮乏,路由不断变更,节点高动态化,可见性受到时间窗口限制,资源协同调度受到多种约束。统筹天地资源,实现高效的资源调度是天地一体化网络中亟需解决的问题之一。针对上述问题,本文针对天地一体化网络中资源协同调度技术展开研究,主要包括节点状态的获取和资源调度算法两个方面。在节点状态获取方面,本文提出了基于预测的节点状态感知算法,通过对节点历史数据预测实时状态,研究分析ARMA和LSTM两种预测模型,二者拟合效果相近,但ARMA需要一定复杂计算且LSTM有较高的实时性,最终基于LSTM建立深度学习网络用于节点状态感知,模型中在LSTM前加入多层神经网络,有效增加整个模型深度使预测效果更好。在资源调度算法方面,针对天地一体化网络拓扑约束,将调度分环节研究,包括中继环节和星地环节,提出针对中继环节的基于存储转发的中继调度方法、针对星地环节的基于Min-Min方法的星地调度方法和全链路的基于蚁群算法的整体调度模型。中继环节拓扑高动态化,基于存储转发的中继调度方法将数据分包处理,充分利用其他空闲节点资源,很好的解决信源节点与天基节点可见性受到时间窗口约束问题;星地环节拓扑固定,调度可看作多任务在有限资源的节点分配,采用改进的Min-Min算法进行调度,该方法在传统的Min-Min 的基础上通过负载模糊分类与局部重调的方法解决负载性能不好的问题;全链路优化是将中继环节和星地环节看作一个整体,将蚁群算法作为外层的整体调度算法,为了防止算法陷入局部最优,对传统蚁群算法的信息素更新规则进行改进。本文设计和实现了天地一体化网络中资源协同调度技术仿真验证系统,将前述的调度技术研究应用到仿真系统中,支持根据节点数据初始化网络并展示网络拓扑,支持将任务部署至网络并展示网络运行日志。最后,通过一系列针对仿真系统的功能测试和典型场景测试不但证明了仿真系统的有效性,而且进一步说明了本文中技术研究部分的有效性。