随着地理空间数据采集平台和手处理技术的发展，空间数据量及信息量的增加，空间数据融合技术和方法有了迫切需求。空间数据融合的意义在于利用不同来源数据的特点和优势，将其转换为比当前数据集更为准确、有效的数据。

根据处理对象的不同，空间数据融合可以分为：①图像融合。即栅格数据融合。利用不同来源的两张或多张影像实现空间和时间信息的互补，得到比单一信息源更精确、更可靠的图像。图像融合按照其融合的水平和特点，可主要分为像素级、特征级、决策级三层。像素级别的图像融合是指对经过配准或地理编码的影像，利用重采样技术得到统一的像素分辨率和投影，实现观测物理参数的融合。特征级的融合需要首先利用图像分割等手段提取地物特征，进而融合不同来源的相似特征，并进行统计分析。决策级融合是利用输入影像提取必要信息，将提取的信息进一步与决策规则结合，以解决空间冲突，并得到观测目标更准确的信息。图像融合算法主要包括：贝叶斯估计，小波变换方法，亮度、色度和饱和度（HIS）变换，模糊逻辑，神经网络等。②矢量数据融合。利用同一地区不同来源的矢量空间数据，首先匹配同名实体，并进一步融合不同来源数据的几何与属性信息，得到优于原始数据的新数据集。几何信息的匹配包括同名实体的匹配与合并，需要将不同来源的空间数据转入到统一参考坐标基准，实现同名实体几何形状与位置的合并。属性信息的融合需要建立统一的属性数据模型，包括分类分级体系等。

空间数据融合技术已广泛应用于地理信息等领域，如地图生产与更新、土地利用分类、洪水监测、冰雪监测和地质学研究等。