对陆表生态系统总初级生产力（Gross Primary Productivity,GPP）的研究是陆表生态平衡、全球碳循环等全球变化研究领域中的一个重要课题。目前,基于遥感手段对GPP进行预测评估为GPP的研究成为热点研究。然而,要在较长时间序列上对GPP进行估算主要有以下问题:一是,为了保证一定的遥感图像信噪比,遥感影像的时间分辨率和空间分辨率是一对相互制约的矛盾体;二是,目前对海量长时序遥感数据处理时,过程复杂、效率低及误差高等问题;三是,高时空下估算GPP的精度不佳。本文基于站点尺度,对两个不同下垫面类型的辐射通量塔站点（混交林站点US-PFa和落叶阔叶林站点US-WCr）进行了为期一年时间间隔8天的GPP估算。本文的主要工作内容和结论如下:（1）本文首先对海量长时序遥感数据的存储管理与应用进行了研究,提出了基于多维数据格式MDD（Multi-dimensional Data Datasets）,构建引入时间维进行存储的数据集,并利用构建的多维数据集进行了6种植被指数(CI_green、EVI、NDVI、SAVI、UNVI、WDRVI)长时序立方体的提取。并为后文提出的GPP估算方法提供数据保障及研究基础,同时也为长时间序列分析等工作提供了新手段。（2）将用于GPP估算的4种常用空谱融合方法在真实数据与模拟数据上进行了融合实验,比较出了各种融合方法的特点,得出结论:4种方法均能满足绝大部分的融合任务,其中CNMF方法目视效果最好,空间信息保留最完整;GS方法在红外波段表现最优异;小波变换融合,光谱保真度最高光谱信息保持的最好;CRISP融合方法综合表现好。该项工作不仅为本文后续利用空谱融合方法产生可靠的时空数据提供理论基础和保证,同时也为需要进行融合任务时选择合适融合方法提供参考。（3）本文首创性的提出了一种基于MDD数据格式利用空谱融合方法产生时空融合数据的融合思路与框架,并利用此方法产生的6种长时序时空植被指数数据,选用基于光能利用率的GPP-VI估算模型,对两个不同下垫面类型的通量塔站点进行了GPP估算,并与传统时空融合方法ESTARFM得到的6种植被指数数据进行GPP估算进行了比较。本文提出的方法估算结果R²均在0.8以上,大大提高了估算精度,并且本文方法的时间成本也很低。