云层属性与特征不仅影响地球的辐射收支水平和水循环行为,而且对于飞行器空中安全、空中军事活动和对地探测行动的有效性等也具有决定性意义。迄今为止,云底高度已成为影响飞行器安全使用的主要因素。以往获取云底高度的方法中存在获取范围受限、云分类准确性低、对多层云体系下的云底高度难以准确估计等问题。本文面向飞行安全、高速飞行器探测成像制导等实际应用,研究云层变化属性、云层分类以及云底高度反演方法。主要研究内容如下:首先分析了云层遮挡对飞行器探测及成像制导的影响。若存在云层遮挡,则目标辐射在传输过程中会受到干扰。若光谱透过率过低,红外成像系统将无法准确探测和识别定位目标。文中以南海地区为例使用主动遥感卫星数据对目标区域云层情况进行统计分析,研究云层变化规律。研究表明,春秋两季在上午时段是飞行器使用的最佳时期,通常低云占比随多层云占比的增加会略微下降,云底高度随云几何厚度的降低呈略微增加趋势。针对以往同类型云其云底高度外推技术中云类别不一致,云分类准确率较低这一缺陷进行改进。基于主被动遥感卫星数据,使用机器学习算法训练云分类模型。通过拓展特征维度,在保证云类别一致的基础上提高云分类精度,获得81.2%的云层正确分类概率。此外,基于所提出的方法分区域对各云类云底高度进行了统计。结果显示,除卷云外,各类云其云底高度均一性较好,可直接反演得到云类型并对云底高度进行估计,不再需要寻找与待测点具有相同云类型的云底高度观测操作。最后针对天基主被动遥感反演云底高度方法中难以对多层云其云底高度进行估计的难点,构建了基于机器学习的最下层云其云底高度预测模型。通过考虑地理因素影响和云底高度与云层数间的不可忽视关系,优化了输入特征。测试结果显示,对单层云体系下云底高度估计的平均绝对误差为817.76m,平均相对误差为10.15%;对多层云体系下云底高度估计的平均绝对误差为1245.64m,平均相对误差为16.72%。