土地覆盖数据是开展陆面过程模拟的重要基础数据之一。在陆面模式中,一些反映地表特征的参数,如叶面积指数、地表反照率、冠层粗糙度等,都是依靠土地覆盖类型确定的。当前,常用的全球遥感土地覆盖产品在数据精度、分类体系以及时空尺度上与模式需求的存在着较大的差异,严重制约了陆面模式的应用和发展。本研究以2015年FROM-GLC全球土地数据、MODIS 土地覆盖数据与中国土地利用数据(CNLULC)作为融合对象,结合中国植被图,建立基于知识规则和改进的Dempster-Shafer(D-S)证据理论的融合方法,研制了面向Noah-MP陆面模式的2015年中国区多源融合土地覆盖数据(CFLC)。并将融合后的土地覆盖数据应用于Noah-MP陆面模式,开展对地表温度与土壤湿度的模拟研究,分析了土地覆盖数据对模式模拟的影响。主要结果如下:(1)经典的D-S证据理论在处理证据冲突问题时存在局限性,在融合本研究的多种土地覆盖数据时,存在54.2%的融合失败区域。通过数学模型方法改进后的D-S证据理论对冲突的证据有较强的融合能力。融合结果保持了 CNLULC的分类精度,在六类水平上的空间总体一致性达到84.5%,卡帕系数为0.796,总体精度达到了 80.3%,实现了多种土地覆盖分类体系与Noah-MP的分类系统之间转换。通过与全球土地覆盖数据对比,融合结果在中国区域的精度高于MODIS与FROM-GLC全球土地覆盖数据。融合结果在西北与华北地区具有较好的信任度,而在南方丘陵区、西南山区和青藏高原部分地区信任度相对较低。融合结果不确定性主要来源于输入数据的不确定性和亲和力评分的不确定性。(2)为研究不同土地覆盖数据对于地表温度模拟的影响,研究设计了三组实验USGS/TG(模式自带USGS数据)、MODIS/TG(MODIS 土地覆盖数据)和CFLC/TG(融合数据),模拟了 2014年中国区域地表温度。结果表明,三组实验模拟结果普遍存在着低估,负偏差日数占总日数分别为80.6%、77.8%和70.8%。总体上新制作的CFLC数据的模拟结果在偏差,均方根误差和相关系数三种指标均优于其他两种数据。通过对比三组实验的模拟值与实测数据的均方根误差空间分布,新制作的CFLC数据提高了华北以及江淮地区的模拟效果,均方根误差控制在2℃以下。土地覆盖类型的变化对于地表温度的空间分布特征影响明显,尤其是更新的建设用地区域,温度变化最高达到3℃以上。整体而言,融合后的土地覆盖数据改善了地表温度模拟效果。(3)为研究不同土地覆盖数据对于土壤湿度模拟的影响,研究设计了三组实验USGS/SM(自带USGS数据)、MODIS/SM(MODIS 土地覆盖数据)和CFLC/SM(融合数据)模拟了 2014年中国区域0-10cm 土壤湿度。结果表明,在日尺度上USGS/SM与MODIS/SM实验模拟结果均存在较多时间的低估,分别为74.8%和65.4%,CFLC/SM改善效果明显,模拟结果低估日数占51.3%。总体上新制作的CFLC数据的模拟结果的偏差,均方根误差和相关系数三种指标均优于其他两种数据。新的土地覆盖数据相较模式自带的土地覆盖数据,改善了东南与西南地区的均方根误差较大的站点,均方根误差大于0.15 m3/m3的站点数量减少。在青藏高原地区以及南方地区基于新的土地覆盖数据模拟的土壤湿度比模型自带的数据模拟的更大,而东北大部分地区变小。整体而言,融合后的土地覆盖数据改善了模式0-10cm 土壤湿度模拟效果。