遥感数据作为地表信息的重要载体,在现代农业、资源勘查和环境保护等领域发挥着重要的作用。然而,受卫星传感器的硬件设计和发射成本的限制,单一卫星传感器在空间分辨率、光谱分辨率和时间分辨率等方面存在相互制约的矛盾,使其无法提供同时具有高空间分辨率、高时间分辨率和高光谱分辨率的遥感数据。遥感数据融合技术可以整合多源遥感数据在空间分辨率、光谱分辨率和时间分辨率方面的互补优势,为相关遥感应用提供更优质的数据资源,从而弥补单源遥感数据的不足。基于此,本文在分析国内外遥感数据融合研究现状的基础上,对多源遥感数据（包括遥感反射率和遥感地表温度）的融合方法开展了研究。论文的主要研究内容如下:（1）为了更好地利用融合影像中的非局部空谱低秩属性和全局空谱分段光滑属性,本文提出了一种基于非局部低秩与全局梯度稀疏的遥感反射率空谱融合方法。首先,根据对多个高光谱数据集进行统计和分析的结果,本文将光谱信息保持项描述为一个基于超拉普拉斯先验的能量项,以此摆脱对未知空间模糊核的依赖。然后,本文提出了一种非局部低秩张量分解模型,以此对目标高空间分辨率高光谱影像中非局部相似立方体的空间冗余性和光谱相关性进行有效捕捉,从而提升融合模型保持空间细节和光谱信息的能力。同时,本文采用全局空谱总变分模型将非局部低秩立方体重构为融合影像,以确保融合影像的全局空谱分段光滑性。最后,结合基于张量的空间信息保持项,本文实现了对多光谱影像与高光谱影像的有效融合。在仿真数据集和真实数据集上对所提出的空谱融合方法的算法性能进行了验证。其中,在均值模糊和高斯模糊仿真数据集上,所提出的空谱融合方法的峰值信噪比最大分别可达43.819和43.033,均大于其它对比方法的峰值信噪比。同时,在真实数据集上,所提出的空谱融合方法生成的光谱曲线更接近于输入的低空间分辨率高光谱影像。这些结果表明,所提出的空谱融合方法可以有效地保持融合影像的空间和光谱信息。（2）针对现有基于学习的遥感反射率时空融合方法只考虑了遥感影像的空间相似性而忽视了光谱相关性的问题,本文提出了一种基于张量稀疏表示的遥感反射率时空融合方法。首先,本文使用基于t-积的张量稀疏表示模型来刻画高度规则化的非局部相似立方体张量,以便同时对非局部相似立方体张量中的空间相似性和光谱相关性进行有效捕捉,从而提高融合模型的预测性能,特别是在光谱信息保持方面。其次,本文对多源遥感影像之间的半耦合映射关系进行了刻画,从而提升融合模型的稳健性和适用性。最后,本文提出了一种测量目标高、低空间分辨率差分影像之间空间退化关系的新方法,以便获取更多有效的空间先验信息,从而提高融合模型保持空间结构信息的能力。本文在真实Coleambally Irrigation Area（CIA）和Lower Gwydir Catchment（LGC）数据集上验证了所提出的时空融合方法的性能。其中,在CIA研究站点预测2002年1月12日高空间分辨率影像的实验中,所提出的时空融合方法的相对整体合成误差（ERGAS）和光谱角映射（SAM）分别可达0.8514和1.6846,小于其它对比方法生成的ERGAS和SAM。在LGC研究站点预测2004年12月12日高空间分辨率影像的实验中,所提出的时空融合方法的ERGAS和SAM分别可达1.2371和2.8202,小于其它对比方法生成的ERGAS和SAM。这些实验结果表明,所提出的时空融合方法可以在提升融合影像的空间分辨率的同时能更有效地保留光谱信息。（3）针对现有时空谱一体化融合方法不能充分刻画高维遥感影像中的整体内在结构关系的问题,本文提出了一种基于半耦合稀疏张量分解的遥感反射率时空谱融合方法。本文从张量的角度出发,充分探索了不同遥感影像的空间、时间和光谱特征之间的联系与差异,集成了不同遥感影像在时间、空间以及光谱信息方面的互补优势,并且兼顾了不同的融合需求,包括空谱融合、时空融合以及时空谱融合。具体来说,首先,将具有较高时空谱分辨率的影像视为一个多维张量,并将融合问题表述为对系数核心张量和字典的估计。其次,对系数核心张量施加低维和稀疏的约束,从而实现对融合影像在时间域、空间域和光谱域中的高冗余性特征的有效捕捉。然后,假设多源遥感影像之间存在半耦合映射关系,本文将核心张量和字典的估计表示为对观测遥感影像的半耦合稀疏张量分解。最后,本文利用多种数据集对所提出的时空谱融合方法分别进行了空谱融合实验、时空融合实验以及时空谱融合实验。实验结果表明,所提出的时空谱融合方法在各种融合实验中取得了较好的融合结果。（4）综合利用地表温度空间降尺度模型和反射率时空融合方法之间的互补优势,本文提出了一种结合时空融合和空间降尺度的复合型地表温度融合方法。首先,针对现有地表温度空间降尺度方法只考虑了关系模型的空间局部变化特征而忽略了时间非平稳性的问题,本文提出一种基于时空地理加权回归的地表温度空间降尺度模型。该降尺度模型使用时空局部变化的回归系数和残差来描述关系模型的时空非平稳性特征,从而提高了降尺度模型的精确度。其次,针对现有地表温度空间降尺度模型忽视了降尺度时相的高空间分辨率尺度因子与最近邻时相的高空间分辨率尺度因子之间存在一定差异的问题,本文充分利用基于张量稀疏表示的遥感反射率时空融合方法和基于时空地理加权回归的地表温度空间降尺度模型的互补优势,构建了结合时空融合算法和空间降尺度技术的复合型地表温度融合模型,从而真正意义上地实现了对降尺度时相地表温度的融合。复合型地表温度融合方法在两个具有不同空间异质性的区域上与传统地表温度时空融合方法进行了对比实验。其中,在张掖研究区域中,复合型地表温度融合方法的均方根误差（RMSE）和平均绝对误差（MAE）分别为1.88和1.59,小于ESTARFM的2.45和1.80。在北京研究区域中,复合型地表温度融合方法的RMSE和MAE分别为0.94和0.68,小于ESTARFM的0.96和0.72。这些实验结果表明,复合型地表温度融合方法可以取得比传统地表温度时空融合方法更好的融合结果。