有效融合多源遥感数据是提高地表覆盖分类精度的关键之一。现有的决策级融合方法通常假设各数据源之间是条件独立的，忽略了多源分类结果间的相关性，可能会影响分类精度。针对这个问题，本研究提出了将τ模型用于多源、多时相遥感图像分类中的方法。　　 τ模型是一种考虑数据之间相关性的决策级融合工具，该方法通过为不同数据源赋予不同的权重，来体现它们之间的相关关系。本研究从多源分类结果中估计平均法、校准法两种权重，并用于多源数据的决策级融合中，评价各种权重方法的优缺点；研究提出了基于τ模型的多时相决策级融合方法，可以融合存在类别变化的多时相数据。通过三个实验，与现有方法比较，对本文所提出的方法进行了验证和评价。　　 结果表明，基于τ模型的融合方法可以综合多源、多时相信息，提高分类精度。基于校准法权重的τ模型具有较强的灵活性，可提高分类精度。加入不同时相类别的转换概率可有效提高多时相分类精度。本研究为多源、多时相的遥感土地覆盖/利用分类应用提供了一个可行的方案。