山地常年存在的云雾遮挡、季节性积雪覆盖、地形起伏荫蔽等影响，限制了山地光学遥感影像数据的时空连续性。通过多源遥感影像时空融合来重建信息完整、空间连续的高时间分辨率影像数据是解决该问题的一个重要方法。传统的影像融合方法用于多源遥感影像的时空融合时，要求在融合前对影像上由观测条件不同引起的差异进行一系列辐射或光谱归一化处理，以提升多源遥感影像间的辐射一致性。而基于冗余字典对稀疏表示的融合方法由于其对空间降尺度模型的非线性表达特性，可以在保留多源影像辐射差异的情况下进行时空融合。本文以30m空间分辨率的Landsat8OLI和10/20m空间分辨率Sentinel-2A MSI多光谱影像为例，研究了影像在大气校正、BRDF校正、光谱通道校正等辐射校正前后的辐射一致性;在此基础上，采用基于单波段冗余字典对学习的融合方法对影像进行时空融合实验，探究了融合过程中误差参数的自适应设置规律;并发展了基于多波段字典对学习的时空融合方法、基于HIS变换和字典对学习的融合方法、基于小波变换和字典对学习的融合方法;最后将以上四种方法与传统方法——基于HIS变换的融合方法、基于小波变换的融合方法的融合结果进行对比分析。通过实验及分析得到以下结论:　　(1)虽然未经校正的Landsat8OLI和Sentinel-2A MSI原始TOA影像之间已具有较高的辐射一致性（各波段R2均大于0.9），但大气校正和BRDF校正都还能进一步增强影像间的辐射一致性(如蓝波段反射率RMSD依次减小22％、10％)，但光谱通道校正却增大了影像之间的辐射差异。在BRDF校正后进行的Sandmeier物理模型地形辐射校正虽然能够显著改善地形辐射效应，恢复地形荫蔽区该有的光谱特征且使得阳坡辐射差异略微减小，但是也增大了Landsat8和Sentinel-2A影像在阴坡的辐射差异。　　(2)在位于不同梯度或具有不同土地覆盖类型的局部影像的时空融合实验中发现，基于单波段冗余字典对学习的时空融合法的空间结构重建能力和光谱保真度较好（结构相似度大多在0.8以上，光谱扭曲度小于8），并且能够在两个时相影像存在不同程度的山地地形辐射效应的情况下，较准确地展现待预测时相的空间和光谱信息。此外，实验中还发现最佳误差阈值与高分辨率影像的标准差相关（线性拟合R2达到0.75），该规律可以指导更大范围影像融合时误差阈值的自适应设置。　　(3)相比于单波段字典对学习时空融合方法，基于多波段字典对学习的时空融合在空间细节特征保持能力方面与前者相当（结构相似度统计值比前者平均高出4％），在保留光谱差异的情况下具有更好的光谱保真性能（光谱扭曲度最多比前者小约30％）。另外，基于HIS变换的影像融合在细节保真度方面表现较出色，但其光谱保持效果较差，而基于HIS变换和字典对学习的融合在两方面的表现却与之相反。此外，基于小波变化的融合结果中容易出现斑块化现象和“振铃”效应，且不能预测融合时相应有的光谱特征;而基于小波变化和字典对学习的融合结果在大多数情况下的空间结构保持性能较好，但其光谱保持性能表现在影像纹理尺度较小的情况下不如仅基于字典对学习的两种方法稳定。最后，对于不同时相山地影像上存在不同程度地形辐射效应的情况，以上五种方法中只有基于HIS变换和基于小波变换的融合方法不能很好地恢复阴影区应有的地物场景。因此，综合空间几何结构保持效果、光谱保真性能，以及融合方法对不同地形梯度或不同土地覆盖类型的场景的稳定性看来，对于山地Landsat8OLI和Sentinel-2A MIS影像的时空融合，在以上几种方法中，基于多波段字典对学习的时空融合方法最为有效。