随着空间信息观测技术的提高,人们已经可以利用各种不同的观测方式获取地表空间信息。但是在观测过程中,由于观测方式本身的限制、观测环境的影响和观测平台故障等多方面因素的影响,大量的空间观测数据中都存在空间不连续的现象。这种“空间缝隙”为空间观测数据的后续使用带来了严重影响。因此,如何消除观测数据中的无效信息,获得空间无缝的空间观测数据是一个具有重要意义的研究课题。本文从时间信息互补、光谱信息互补、空间信息互补多个角度出发,研究了：(1)基于谱段互补信息的遥感数据融合重建方法针对高光谱或多光谱遥感影像中由与某一谱段传感器故障或噪声等因素引起的观测信息空间不连续问题,利用影像数据中的光谱冗余信息,寻找多波段数据间的相似性,在此基础上建立多波段数据间的关系,消除离群点现象的影响对空间不连续区域进行重建。(2)基于时相互补信息的遥感数据融合重建方法针对遥感影像中由观测环境和传感器故障等因素引起的观测信息空间不连续问题,在对多时相数据的差异性进行分析的基础上,建立多时相数据相似信息提取方法,克服复杂场景变化和离群点等因素带来的负面影响,结合时域补充信息对空间不连续区域进行融合。(3)基于空间互补信息的点-面融合方法由于遥感数据观测范围广但反演精度受限于多种因素,传统的地表观测数据精度虽高但观测点往往过于离散难。针对此问题,本文拟通过分析遥感成像过程中各因素的相互作用,建立站点-遥感数据之间的关联模型,研究基于地统计学的站点-遥感数据融合方法,并将其应用于京津冀地区大气污染物监测。