高精度的时间序列遥感数据对于区域性地面变化(如植被周期生长变化、土地资源利用动态监测)的研究具有重要的指导意义。但由于传感器本身的限制,卫星影像存在时间分辨率和空间分辨率不能同时提高的问题,且由于云、雨等天气的影响,获取到的某一区域清晰无云的卫星影像的数量不仅少,而且数据中还存在着大量的噪声,这对数据的有效应用存在着很大的限制。因此,如何利用已有的时空融合模型和时间序列滤波重建方法生成高时序高精度的遥感时序数据成为了一个至关重要的问题。针对时空融合模型预测结果可能出现不准确的问题,本文以甘肃省敦煌市和塞罕坝国家森林公园两个包含不同地物类型的区域为研究区,结合时空融合模型与遥感时间序列滤波重建方法。先采用STARFM、FSDAF、SPFM和SPSTFM四种时空融合模型融合Landsat TM卫星数据和中分辨率成像光谱仪MODIS产品,生成兼具高空间高时间分辨率的Landsat TM卫星数据。然后对生成的高时序Landsat TM数据分别采用A-G滤波、S-G滤波和HANTS滤波三种遥感时间序列滤波重建方法进行时序数据的重建,去除融合过程中引入的数据噪声,构建高精度的时序数据。同时,在对时序数据进行时谱维精度评定时,引入了相似性度量中的动态时间规整方法,验证该方法与其评价指标在时序精度评定上是否具有一致性。研究结果表明:从总体分析,动态时间规整方法和已有的评价指标在精度评定上具有较高的一致性,且时空融合方法与遥感时序滤波重建方法的结合,可以有效提升时序重建数据的精度,相较于单一方法能获得更高精度的时序数据。其中,A-G滤波方法对周期性变化的时序数据具有较好的时序重建结果,S-G滤波方法对不变地物时序数据具有较好的时序重建结果,HANTS滤波方法对两种地物的时序数据都取得了较好的时序重建结果。