随着遥感传感器数量和种类的增加,遥感应用领域在不断拓展,对遥感数据的时间分辨率和空间分辨率要求也越来越高。但由于技术上的限制,遥感仪器在设计时需要权衡空间分辨率和扫描带宽,结果获取的遥感数据及其定量信息很难同时具有高空间、高时间分辨率,这在一定程度上限制了一些潜在应用。如何在不改变现有的观测条件下,利用已有高时间、低空间分辨率数据和高空间、低时间分辨率数据整合成需要的高空间、高时间分辨率数据,这就是遥感数据融合发展的新方向——遥感时空信息融合技术。由于该技术具有构模简单、适用性广、不需要任何辅助数据等优点,近几年受到国内外学者的广泛关注。因此本文以提高遥感数据时空分辨率为出发点,提出遥感时空定量信息高精度、高稳健的融合模型,同时对传统的时空融合框架进行扩展,以适用于多传感器遥感定量信息一体化融合。本文主要研究工作可以概括为以下几个方面：(1)以提高遥感数据时间分辨率和空间分辨率为主线,分析了传统遥感融合方法、传统时空降尺度方法和新兴的遥感时空融合方法的研究现状；并阐述新兴的时空融合方法在提高遥感数据的时空分辨率方面具有不可比拟的优势和应用潜力。(2)介绍遥感时空融合前的必要预处理技术以及融合效果的质量评价方法；详细阐述了遥感时空融合的基本框架,系统地比较了该框架下的两种基本遥感时空融合方法：时空自适应反射率融合模型(STARFM)和增强型时空自适应反射率融合模型(ESTATFM)；同时将其它框架的时空融合方法分为涉及物理机制的时空融合、基于信号理论的时空融合和服务于特殊应用的时空融合三大类,并简单概述了前两者的算法流程。(3)提出顾及观测差异的地表反射率时空融合方法。如何利用不同传感器在同一观测时相的光谱差异信息,是实现时空反射率融合、降低噪声影响的关键。首先求解不同传感器之间的内在关联函数,在描述光谱差异不确定性时通过该函数可减少传感器硬件设计和观测条件的影响；同时为了顾及地物类型的响应差异,基于稳健的类内M估计拟合进行不确定性差异函数的构建；此外提出一种更加客观和准确的相似像元筛选方法;实验结果表明：顾及观测差异的反射率时空融合模型能有效提高融合精度。(4)提出地表温度的时空变分融合方法。基于贝叶斯最大后验概率准则,构建影像数据的似然概率密度函数顾及遥感观测时空信息的一致性约束,构建影像数据先验概率密度函数顾及影像数据的邻近空间约束,在变分框架下将融合数据的求解转换为极值最优化问题,实现对影像数据的整体求解；同时通过正则化参数调节时空信息一致性约束项与邻近空间约束项的权重,最大限度保持融合结果的细节信息；最后,对不同尺度差异的地表温度数据进行融合,并利用站点实测数据验证变分融合算法的优越性。(5)提出多传感器遥感时空定量信息一体化融合方法。在分析现有时空融合多为两个传感器这一现状的基础上提出多传感器遥感时空一体化融合的概念；重点阐述多传感器时空一体化融合框架的构建以及相应的时空权重函数表达式的建立；对三种尺度的地表温度数据进行融合,并结合站点实测数据对融合结果进行验证与分析。