空间分辨率是指能够被光学传感器辨识的单一地物或2个相邻地物间的最小尺寸。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。目前已经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如2016年发射的美国WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。近年来，随着我国空间技术的快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了亚米级时代，高分2号卫星（GF-2）全色谱段星下点空间分辨率达到0.8 m。

上海陆家嘴高分辨率图像（GF-2号卫星0.8 m全色与3.2 m多光谱融合结果）

特点：

与中低空间分辨率遥感卫星相比，新型高分辨遥感卫星的成像传感器（如CCD、CMOS等）受光元件越来越小，时间延迟积分（TDI）级数越来越高，卫星平台的通信能力、机动能力、指向稳定性等也越来越好。但是，高空间分辨率遥感受传感器技术限制，其幅宽一般较窄，卫星重访周期也相对较长，可以利用单星侧摆或星座组网等方式进行改善。

高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。基于高分图像，可以充分提取图像地物的上下文语义信息，将图像分类从像元级提高到对象级。比如，自适应马尔科夫随机场模型或者GIS辅助遥感图像分类都是充分利用精细的空间信息结构实现对光谱分类结果的重定义，提高图像分类精度。此外，稀疏表示和深度学习方法在高分图像分析中的应用研究也非常活跃。稀疏表示理论能够从复杂庞大的数据中分离出影像的主要特征，深度学习方法则通过对深层网络结构进行训练提取图像所具有的深层次的结构特征。高分图像的变化检测可以采用基于对象的方法，通过设计适当的分割算法或目标提取算法，实现对地物覆盖类型（如建筑物、水体等）或目标（如车辆、舰船等）的变化分析。

应用：

当前，商业化高分图像的多领域应用发展迅速。在农业方面，法国SPOT-5 2.5 m融合图像已经被应用于农作物种植面积的小区域精细抽样调查，基于空间排列结构特征分析，可以实现人工种植园中冬小麦、水稻和棉花等种植区域的提取。城市规划管理方面，GF-2图像可准确地识别城市街道、行道绿地、公园、建筑物、甚至车辆数量信息。海岸带调查方面，应用美国WorldView-2高分数据大幅提高了海岸线提取的精度，实现了围填海状况监测。在灾情评估方面，高分图像可以实现滑坡和洪水淹没区快速提取、建筑物毁坏等监测，还可利用如美国IKONOS高分影像生成立体像对地震灾害前后房屋做精准的损毁状况评估。在军事国防方面，高分图像可以精确识别敌方的人员与装备，包括装备的型号、数量、调动等重要信息。