通常用很多种不同的指标来表征卫星遥感系统的性能，不同类型的卫星 遥感系统有较大的差别。以美国数字全球公司提出的A3C性能模型为例，高 分辨率光学卫星遥感系统的性能由精度(Accuracy )、时效性(Currency )、 完备性(Completeness )和一致性(Consistency )等要素来综合表征(如图3 所示)。
精度指的是在一定条件下测量值与真实值相比较的准确程度，精度高指 的是系统误差和随机误差都比较小。系统误差表征的是多次重复测量的平均 值偏离真实值的大小，而随机误差表征的则是多次重复测量的分布情况和彼 此相符合的程度。卫星遥感系统的精度通常分为几何精度和辐射精度。几何 精度是判定目标位置与实际位置之间的偏差，一般分为无控制点(系统级几 何校正)和有控制点(使用控制点进行几何精校正)处理的定位精度。辐射 精度是通过模型反演得到的目标/地物的光谱反射和辐射值与真实量值之间 的偏差。遥感应用信息产品的精度除了与信息反演的模型精度有关外，还与 其输入的数据产品质量和卫星几何/辐射定标精度等有关。以资源三号卫星 遥感系统为例，除了与高精度的高程信息反演模型有关外，还与前视、中视和后视三线阵遥感器数据的质量、卫星姿态和轨道的测量精度以及卫星内外 方位元素的标定精度等密切相关。
时效性指的是一定时间范围内，由用户任务请求到获得满足用户要求的 信息产品的及时性，包括持续的时间与更新的周期，是评估卫星遥感系统动 态监测能力和在多时相分析中应用价值的重要指标。卫星遥感系统的时效性 与任务指令上注，卫星数据获取，地面数据接收、处理和分发，信息提取与 反演等有关。根据动态信息变化的周期快慢，时间分辨率可分为5种类型： 超短期的，以分钟或小时计；短期的，以日计；中期的，以月或季度计；长 期的，以年计；超长期的，数十年以上，从用户任务请求到获取信息产品， 卫星数据获取的时间间隔相对较长。对于地球同步轨道卫星而言，由于可以 持续对特定区域重复观测，单颗卫星的时间分辨率很高，可以达到优于分钟级。 对于低轨道卫星而言，受轨道运动的影响，单颗卫星对特定区域的重复观测 时间相对较长，一般在数天级。为表征遥感卫星时间分辨率的高低，通常还 用卫星重访和覆盖时间来衡量。重访时间指的是卫星连续两次对同一目标获 取数据的最小时间间隔，覆盖时间指的是对特定区域全面覆盖获得有效数据 的最小时间间隔。通过增大遥感器的幅宽和卫星平台轨道机动及姿态敏捷能力，进行科学的任务调度与任务规划，能够有效提高单颗卫星重访和覆盖的 速度。多颗卫星组网形成星座，可以进一步提高卫星遥感系统的时间分辨率。
完备性指的是满足特定任务所需空间、光谱、辐射等的覆盖范围及尺度 细分的程度。不同的任务目标对完备性的要求有所不同，通常要综合考虑范 围和分辨率等最基本的要求。在空间尺度上，需要有足够的有效覆盖区域面积， 也要有足够高的空间分辨率。空间分辨率也叫地面分辨率，是指遥感图像上 能区分的两相邻目标之间的最小角度间隔或线性间隔。对于采样式成像系统， 通常用地面采样距离来表征，指的是单个像元或与探测器单元对应的最小地 面尺寸，也称像元分辨率（GSD）o空间分辨率越高，能够分辨的空间细节越好。 通常可以分为低分辨率（不低于30米）、中分辨率（5~30米）、高分辨率（1~5 米）、甚高分辨率（优于1米）。在光谱特征上，需要覆盖足够的光谱带宽， 又要有足够高的光谱分辨率。光谱分辨率为探测光谱辐射能量的最小波长间 隔，确切地讲为光谱探测能力，是指在光谱曲线上能够区分开的两个相邻波 长的最小间隔。谱段范围分得愈细，谱段愈多，光谱分辨率就愈高。通常对 于多光谱成像，
谱段从几个到几十个，光谱分辨率一般在100纳米左右；对 于高光谱成像，连续谱段上百个，光谱分辨率一般在10纳米左右；对于超光 谱成像，谱段上千个，光谱分辨率一般在1纳米左右。光谱分辨率越高，可 分解的光谱数目越多，获得的光谱曲线越精细，越能更真实地反映地物目标 的光谱特征，从而能更精确地识别地物和进行分类，提高自动区分和识别目 标性质与组成成分的能力。在辐射特征上，需要有足够的动态范围，又要有 足够高的辐射分辨率。辐射分辨率是指能分辨的目标反射或辐射的电磁辐射 强度的最小变化量。辐射分辨率常用刃来表示，其中&max为最 大辐射量，&min为最小辐射量（包含噪声），Rnax-&min 一般定义为动态范围， 。为量化级数（对于8比特量化的系统，D=28=256）。在成像系统设计时， 需要对动态范围和量化位数进行匹配设计。实际在轨运行时，由于成像条件 的差异，每一幅图像的辐射分辨率存在较大的差别。在不饱和的前提下，通 过优化成像参数设置，尽可能提高有效的动态范围，有利于提高图像的辐射分辨率。
一致性指的是数据产品在不同空间位置和时间序列上的稳定性程度，同 一遥感卫星在数据获取过程中，受不同位置光照条件、天气条件、观测条件 和参数设置的变化以及在轨性能退化等的影响，很难得到长期一致性好的数 据产品，通常需要定期地进行在轨标定，并在地面进行高效的数据均匀化校正、 拼接和融合处理，必要时调整模型反演的参数，以便得到一致性好、可追溯 性强的信息产品，更好地满足用户的使用要求。
