随着遥感技术的发展,遥感影像越来越多地被应用到地球表面动态监测研究中。由于受成本控制,重访周期和频繁云污染,卫星平台荷载量有限和传感器研制瓶颈等因素影响,使得高时空分辨率遥感数据仍难以满足日益增长的应用需求。遥感数据时空融合是解决此类问题最为灵活、便捷、有效的途径。本研究基于现有时空融合理论与方法,将物候信息和地表空间结构信息引入时空融合算法,对ESTARFM算法进行改进,分别得到基于物候信息的时空融合算法和基于地表空间信息的时空融合算法,并将改进算法得到的结果与原始观测影像的结果进行对比分析,发现改进算法的精度比ESTARFM精度高。本研究不仅为改进遥感数据时空合算法提供新的思路,也为遥感数据时间序列分析提供数据支持。主要的研究内容和结论如下:(1)引入物候信息对ESTARFM算法进行改进,建立基于物候信息的时空融合算法来改变原算法中地物反射率是线性变化的假设。根据水稻物候期的不同,建立寻找相似像元的新规则,并计算中心像元的反射率。基于物候信息的时空融合算法融合的结果与ESTARFM方法的结果、原始观测影像进行对比分析发现,基于物候信息的时空融合算法比ESTARFM算法结果精度更高,鲁棒性更强。(2)引入地表空间结构信息对ESTARFM算法进行改进,建立基于地表空间信息的时空融合算法,针对地表异质性与移动窗口大小之间的矛盾,选取局部方差来指示地表的空间异质性,分别计算不同大小移动窗口内的局部方差,确定局部方差最小值所对应的大小的移动窗口为最佳移动窗口。基于地表空间结构信息的时空融合算法的结果与ESTARFM方法的结果、原始观测影像进行对比分析发现,基与地表空间结构信息的时空融合算法总体精度和效率都比ESTARFM高,并具有更高的鲁棒性。(3)研究发现,相关系数、回归系数和均方根误差这三个常见的精度评价指标并不是在任何条件下都适用。本研究使用影像六波段反射率均值差对融合的结果影像进行精度评价,结果表明影像六波段反射率均值差可以更好地评价影像上不同区域的融合精度。