遥感卫星从轨道上观测地表，依靠搭载的光学、红外或雷达载荷接收地物反射与辐射信息。不同地物在不同波段呈现不同特征，植被、水体、裸土和建筑在影像上形成可区分的纹理与色调，这是遥感识别的基础，也是图像解译与自动分类的前提。载荷的工作波段、量化位数与信噪比，决定了数据可用的上限。 分辨率决定能看到多小的目标，幅宽决定一次能覆盖多大范围，重访周期决定多久能再看一次。三者相互制约：分辨率提高往往意味着幅宽收窄，单星覆盖能力下降，需要更多卫星或更灵活的侧摆来弥补，星座规模与轨道设计因此要一起考虑。轨道高度、侧摆能力与星座构型，也会改变实际的覆盖效率。 光谱信息扩展了识别能力。多光谱和高光谱载荷把可见光与红外划分成多个波段，通过特征谱线判断作物种类、植被健康和水体成分。光谱越细，数据量越大，定标与大气校正的要求也越高，地面参考数据对反演精度有直接影响。地面定标场、大气模型与算法迭代，是光谱反演不可省略的环节。 应用效果取决于系统匹配。农业监测需要合适的重访周期和光谱组合，城市管理更关注空间分辨率，灾害应急则要求快速获取与传输。业内通常根据任务确定载荷指标，再通过星座组网和地面处理提升整体响应速度，单一指标的高低并不能代表应用能力。用户真正需要的，是能嵌入业务流程的稳定产品。