本文研究了遥感数据处理中的动态贝叶斯网络，全文概括为以下四个方面： (1)首次将动态贝叶斯网络比较全面地引入遥感数据处理，完成软件开发。 当前遥感变化检测技术都是针对获取自两个时相的经过配准的遥感影像进行操作。论文提出应用动态贝叶斯网络来实现多时相遥感信息的变化检测。通过建立动态贝叶斯网络建立前后时相间的状态关联，时相内部状态和特征间也通过贝叶斯网络表达。动态贝叶斯网络的变化检测方法能够充分利用了多时相数据间的相互信息，其有向无环图的网络结构可以很好地表达不同时相的多波段数据之间的隐含的非线性关系，同时动态贝叶斯网络综合对研究区域的先验知识和样本数据的信息，可以实现多时相变化信息的一次性提取，避免两时相遥感信息对比变化检测方法由于两两时相间变化检测误差导致的误差积累。 (2)提出了利用贝叶斯多网的遥感数据分类方法。 贝叶斯网络分类器中的网络对不同类别只有一个统一的结构，即表达统一的条件独立关系。论文提出用贝叶斯多网分类器进行遥感数据分类则可通过与同类别数目的局部贝叶斯网络来表达不同类别情况下属性之间的不同条件独立关系。因此贝叶斯多网分类器比贝叶斯网络分类器应该更适合于具有复杂波谱辐射特性的遥感数据的分类问题。 (3)利用贝叶斯网络构建肾综合征出血热推理预测模型。 根据我国1984—2000年的30个肾综合征出血热监测点的气象资料、疾病数据、宿主数据、人口数据，结合植被归一化指数、监测点的土壤和植被数据，利用贝叶斯网络建立肾综合征出血热的推理预测模型。将贝叶斯网络用于公共卫生领域的疾病监测，不仅可以推断疾病和因素间的概率关系，建立预测模型，而且通过各影响因素间的条件概率，反映各因素间相互影响及影响大小。 (4)在探索动态贝叶斯网络的同时，触类旁通，开发了两种新的遥感数据智能处理算法。 在动态贝叶斯网络启发下，开发了容差粗糙集遥感数据分类器和局部转换函数遥感数据分类器等两种新算法，并通过Landsat TM多光谱波段分类实验证明了这两种遥感数据分类方法的有效性，一并写出来，构成本论文补充内容。