随着我国高分系列卫星升空,国家大力发展空间信息产业,拥有自主知识产权的海量高分辨率遥感影像数据及其衍生数据呈指数增长。如何对数据进行高效的存储和管理,来满足各行业用户的高并发数据需求、提供完善的数据共享服务,成为当前空间信息科学领域的重要研究方向。而云计算技术在处理高性能计算、海量数据存储、分布式应用以及提供高效共享服务等问题上具有一定优势,但是,传统的基于云平台的遥感数据存储模型对数据种类的支持不够全面,资源均衡分配方面的表现有待改善,数据请求任务的处理调度效率也需要进一步提升。因此本文设计了较合理的数据存储组织模型,并提出改进的云平台任务调度策略,通过在实际系统中的应用,体现了本文模型和调度算法的实用性和优势。本文对多源异构高分遥感数据进行特征分析和归类,基于面向对象、分布式环境虚拟化存储结构对数据进行模型构建,另外,将蚁群算法思想应用于遥感数据任务调度,在请求任务规模和调度策略上做相应改进,使得运行在现有模型上的数据任务调度方法具备自适应、响应快、效率高等特点。最后介绍了本文模型和调度算法在实际系统中的应用。本文具体的研究工作主要有以下三个方面:(1)提出了一种适用于云计算环境的高分数据存储组织模型。通过分析遥感数据的多源、多时空、海量的特性,结合云计算分布式虚拟化存储环境特点等方面构建存储模型,对模型的关键要素及建立方法详细阐述,并通过实验评估模型的可靠性。(2)根据遥感数据请求任务的特征,综合考虑系统平台的资源负载,基于节点QoS和改进的蚁群算法设计云平台任务调度算法,该算法能够有效提高系统平台任务处理效率,为用户提供更好的平台服务。(3)将本文提出的遥感数据存储模型及调度算法成功应用于国家某高分数据与应用系统云平台的建设之中。目前,系统已进入试运营阶段,效果良好,验证了本文研究成果的可行性。