遥感成像的空间分辨率、时间分辨率、光谱分辨率之间相互制约，集成多源观测的互补信息是进一步提升影像应用潜力的可靠手段。为此，本室开展了系列多源数据融合的理论与方法研究。在国际上率先(2012)提出了时-空-谱一体化遥感数据融合的概念与框架模型；在遥感与站点数据的点面融合、观测数据与模型的同化融合等方面，开展了相关研究探索。系列成果发表于IEEE TIP等国际著名期刊，被美国摄影测量与遥感协会授予ERDAS最佳遥感科学论文奖。

• 多视融合（超分辨率重建）

        研究室从精度、效率、自适应性等多个角度，发展了复杂多变场景影像超分辨率处理的理论与方法；在国际上较早开展了多时相、多角度遥感影像超分辨率处理的研究，促进了该技术在遥感领域的扩展应用。

• 空-谱融合

        利用高空间分辨率影像和高光谱分辨率影像进行融合，生成同时具有高空间分辨率和高光谱分辨率的遥感影像。

• 时-空融合

        利用高空间分辨率影像和高时间分辨率影像进行融合，生成同时具有高空间分辨率和高时间分辨率的遥感影像。

• 时空谱一体化融合

        传统的各种遥感影像融合技术相对独立发展，由于缺乏严谨、统一的理论框架，只能处理单一类型的影像数据。本室率先提出了时-空-谱影像一体化融合的概念与模型，实现了对多种观测数据的共同描述与统一建模，可同时对多时相、多波段、多角度、多尺度的光学遥感影像序列进行一体化融合处理。

• 空间观测的点-面融合

        基于点面融合的思想，结合站点监测数据与卫星观测数据，发挥站点观测精度高与卫星观测空间连续的优势，生成高精度且空间连续的参量数据，实际应用见地学精确应用部分的“PM2.5浓度监测”。

• 数据-模型融合（同化）

        为了获取连续动态的土壤深层参量信息，开展了观测数据与动力学模型的同化研究，以陆面模型CoLM、半分布式水文模型SWAT为基础，在土壤湿度与温度的联合同化、集合卡尔曼滤波与平滑算法的扩展等方面取得了重要进展。