针对当前土地覆被遥感数据存在的问题及现有融合算法的不足提出了基于Dempster-Shafer理论和贝叶斯最大熵（Bayesian Maximum Entropy，BME）理论的多源土地覆被遥感数据融合及重构框架。研究首先评价了四种土地覆被遥感数据在国家及区域尺度的类别精度及混淆特征，构建了多源数据的空间一致性及类别均质性图谱。研究提出了基于LCCS分类体系和最小距离向量计算土地覆被遥感数据及MODIS LAI针对目标分类体系的基本概率函数的计算方法，实现了Dempster-Shafer理论框架下多源土地覆被遥感数据及辅助信息融合，并从多角度对融合结果进行了评价。针对典型研究区域，对比分析了指示克里金与贝叶斯最大熵模型在宏观及微观尺度的数据重构结果，挖掘了预测位置邻域内已知点个数对于预测精度及预测时间的定量影响，分析了在软数据精度较低情况下贝叶斯最大熵模型联合使用硬数据及软数据相对于单独使用硬数据进行数据重构的结果。