多时相遥感数据的土地覆盖分类精度比单时相数据的分类精度更高,而中高分辨率传感器的重复观测频次低,严重制约了基于时间序列影像分类的精度。时空融合技术是解决时序观测数据缺失的有效手段,但该技术在基于时序数据的分类研究中的应用尚缺乏充分验证。针对此问题,以辽宁省部分地区为研究区,以Landsat和MODIS数据为研究对象,以STARFM、ESTARFM及半物理融合模型为年度Landsat时间序列数据的生成手段,以随机森林、最大似然及支持向量机方法为时序分类器,对比分析了不同融合模型与分类器的协同分类精度。实验结果表明:时空融合处理能够有效提升时序分类的精度尤其是植被类型地物,并且对分类器的选择不敏感。