中国的快速城镇化进程深刻影响着经济发展和社会进步,这对城市规划、交通拥堵和资源配置等提出了严峻挑战,因此深入理解城市空间布局成为重要的研究议题。随着海量时空数据的涌现,遥感影像、社交媒体等大数据成为精细刻画城市环境的重要数据源,也引发了一系列新的城市研究范式,如城市计算、社会感知和城市信息学等。现有的多源时空数据融合模型基本忽略了特征间的交互性以及空间尺度效应,同时城市功能识别也主要集中在单一尺度,难以形成城市空间布局的系统感知。如何有效融合多源时空数据进行准确和全面的城市功能感知成为亟待研究的问题。为此,本文在高空间分辨率遥感影像、兴趣点和腾讯用户密度数据的基础上,构建了多源时空数据融合和多尺度城市功能识别之间的耦合框架,并从以下三个方面开展研究:（1）以多源时空数据的一致性问题为引,本文使用“词袋”模型和概率主题模型提取了多源时空数据的物理语义和社会语义,并在此基础上使用典型关联分析和核典型关联分析获取土地斑块的线性和非线性互相关信息,弥补了单源时空数据的有偏性和不确定性问题,实现了多源时空数据的有效融合。（2）以物理语义和社会语义的多视角描述为引,本文结合语义信息和互相关信息开展多源特征融合,经过特征重要性评估,构建CC-FLU模型开展城市功能识别。通过三层九组试验的对照分析,CC-FLU模型在识别精度上优于典型的场景分类模型和社会感知模型等,在多种土地功能的识别上都有较好的表现。（3）以多源时空数据的尺度问题为引,本文提出基于动态语义权重模型的多尺度时空数据融合框架,通过探索物理语义和社会语义融合的空间尺度效应选择合适的特征组合,并在此基础上开展多尺度城市功能识别。结果表明,物理语义和社会语义分别在低尺度和高尺度更为重要,且从低尺度向高尺度转变的过程中,土地斑块的功能逐渐由物理属性占主导向社会属性占主导演变。总体来说,本文为多源时空数据的融合机制探索提供了新的视角,分别从多源时空数据融合的一致性问题和尺度问题出发,推导出两个有效的融合模型用以进行高精度的城市功能识别。研究成果也为城市规划和管理人员准确和全面的理解城市空间布局提供了精细的功能制图,这对城市更新、资源分配等研究意义重大。