数据融合是解决高光谱卫星在时空分辨率等指标上受限的有效途径，探讨不同方法在GF-5高光谱数据上的融合效果，对GF-5高光谱数据的信息挖掘与推广应用有着重要意义。本文本着算法简单易用、适于推广的原则，采用GS （Gram-Schmidt）葛兰—施密特正交变换融合算法、GSA （GS Adaptive）自适应GS融合算法、CNMF （Coupled Non-negative Matrix Factorization）耦合非负矩阵分解融合算法、CRISP-W （Color Resolution Improvement Software Package with Wavelet transform）基于小波变换和CRISP-B （Color Resolution Improvement Software Package with Butterworth）基于巴特沃斯滤波器的分辨率提升融合算法、GLP （Generalized Laplacian Pyramid）广义拉普拉斯金字塔融合算法共6种融合方法，分别对BJ-2、GF-2、GF-1、GF-1C、GF-1D国产卫星多光谱数据与GF-5高光谱数据进行融合实验。通过目视分析、指标评价（相关系数、通用图像质量指标、峰值信噪比、光谱角、全局综合误差）、分类应用、时间成本4种方式对融合结果进行综合比较分析。结果表明，相融合的一组图像系列相同、空间分辨率相差越小，融合结果越好。CRISP-B、CRISP-W、GLP在提升空间分辨率、光谱保真度方面能达到较好的平衡，空间重建方面，GLP稍优且更稳定，CRISP-B、CRISP-W则在光谱信息保持方面稳定性更强且效果更好。数据源会对融合方法产生一定的影响，在光谱特征信息提取、分析等对光谱保真度要求高的工作中，GLP更适合同源数据（如GF-5与GF-1/1C/1D/2）融合，而在多源数据间（如GF-5与BJ-2）进行融合时，则优先选择CRISP-W。CNMF存在一定程度的色彩畸变，且运行时间较长。GSA、GS融合效果最差，其中，GSA不论是光谱保持能力还是空间分辨率提升能力均较GS更稳定。在小样本高光谱图像分类应用中，CRISP-B融合结果分类效果稳定，分类精度较高。GSA融合结果空间细节丰富，虽光谱失真较为严重，但同时增大了地物光谱分离度，仍适用于准确勾勒建筑物、道路等地物。本研究为GF-5高光谱数据与其他国产卫星多光谱数据融合方法的选择提供参考，有助于高分五号高光谱数据的应用与推广。