面对不断提高的卫星成像分辨率以及快速增加的在轨卫星,天基对地观测卫星系统获取数据的速度和总量都呈爆炸式增长。据报道,我国在轨卫星每天获取的对地观测数据高达数百个TB,而且增长势头强劲,这意味着对地观测大数据时代已经来临。当前,用户对卫星对地观测数据服务提出新要求。在时间分辨率上,用户急需卫星对地观测数据在获取、传输、处理和分发整个流程中的响应趋向近实时化;在空间分辨率上,用户需要卫星图像的分辨率高达亚米级、甚至厘米级;且观测范围覆盖全球。特别是面向包括时敏目标、海上移动目标、抗震救灾等应用场景时,用户对卫星对地观测数据服务的时空分辨率提出更高要求。我国当前的对地观测卫星和通信卫星各成体系,管理隔离,对地观测数据服务的响应速度慢,资源利用率低,已难以满足动态高并发全球范围内高时空分辨率服务需求。为了提高卫星覆盖能力、缩短响应时间、提高体系协同能力,一种有效的途径是实现多星组网,并耦合卫星网络和地面云计算形成天地一体化平台。以对地观测数据直接服务用户为核心,打通由用户请求发起、卫星数据获取、传输、处理、情报提取与分发共享、直至用户应用的快速服务通道。在任务驱动下,协同组织和优化星地数据获取、传输、计算、存储、数据处理等资源,从而支撑近实时甚至实时的卫星对地观测数据服务。本文重点研究以下五个关键问题:对地观测数据获取环节的任务调度、数据传输环节的星间数据卸载优化、数据处理环节的实时调度、安全管理和不确定优化。通过解决以上关键问题,本文主要做了以下五点贡献:（1）提出面向卫星多目标调度的自适应演化方法针对卫星对地观测任务多目标调度问题,本文设计一个基于目标空间划分的自适应多目标演化算法,在保持种群多样性的同时加速种群的收敛速度,从而快速搜索一组高效解来平衡卫星对地观测任务调度中多个相互冲突目标。在其中,本文定义一个新的指标来度量多目标演化算法中每个子空间对种群收敛的贡献,并提出一个自适应策略,根据子空间对种群收敛的贡献,自适应地将计算资源分配给不同子空间。（2）提出面向卫星大数据卸载的自组织优化方法针对卫星网络资源受限、高动态星间拓扑以及对地观测数据产生的随机性和突发性,本文提出了一种自组织优化方法,用于卸载卫星网络中对地观测大数据,从而近实时地下传到地面站。具体而言,该方法中定义了卫星梯度来充分反映其可用资源与约束之间的关系,并设计一种新的策略来更新每颗卫星的邻域,以处理卫星拓扑的高动态性。在卫星梯度和邻域的基础上,本文提出一种基于双向选择的优化策略,该策略支持每颗卫星通过与相邻卫星交互来进行数据卸载决策。（3）提出云计算中面向对地观测大数据处理的实时调度方法对地观测大数据流不断到达地面站,并动态地提交到云计算进行实时或近实时处理。对地观测数据流的随机性与突发性严重挑战云计算资源的快速响应能力。为了解决以上问题,本文将对地观测大数据的处理过程建模为实时工作流,每个工作流对应一份数据的处理流程,并推导出两个推论来最小化一组工作流任务的完成时间和每个工作流任务的开始时间。然后,本文定义了工作流任务的最晚完成时间,并证明最晚完成时间有助于减少对地观测大数据处理成本而不延误其完成时间。在此基础上,本文提出一个基于任务复制的调度算法,以实时调度大数据流到云计算平台进行处理,最大限度地缩短云计算的响应时间和降低处理大数据流的成本。（4）提出云计算中面向对地观测大数据处理的安全感知调度方法数据加密是保障安全性敏感对地观测大数据的重要手段,但是,数据加密的时间开销将延迟大数据处理的完成时间和增加成本。为了解决以上问题,本文首先从理论上分析如何复制任务来缓解数据传输和加密开销对任务开始时间的延迟,并提出一种面向安全敏感工作流的调度方法,其中包含两个重要阶段:1)任务调度,利用资源的空闲时隙,有选择地复制部分前驱任务来改善任务的开始时间和资源利用;2)挖掘任务的松弛时间对中间数据进行加密,以缓解数据加密开销冲击任务开始时间和工作流完成时间。（5）提出云计算中面向对地观测大数据处理的不确定感知调度方法针对不确定因素严重冲击云计算平台处理对地观测大数据的性能,本文设计一个新颖的调度框架来控制每个服务实例上等待任务的数量,以阻止不确定性传播。基于这个框架,本文提出一个不确定感知的在线算法来调度带截止期的大数据处理工作流。该算法巧妙地整合了一个前摄性和一个反应式策略,在运行基准调度方案期间,动态调用算法中的反应式策略来生成能够处理不确定因素的前摄性调度方案。