综合利用遥感与地理信息系统技术进行环境指标的动态监测与预报是近些年来的一个研究热点。卫星遥感数据有着空间连续，覆盖面积大等优势。然而相对较低的空间 分辨率与数据精度使得单独基于遥感的环境动态模拟难以满足研究与观测的要求。与此同时地面观测站虽然数目相对较少而且分散，却能够提供高精度，动态连续的 可依赖数据。如何科学有效地整合两种来源的数据，最大限度的利用信息并避免信息的误用成为一个研究的关键。Bayesian Maximum Entropy 理论的提出为相关研究的突破提供了一个理论支持。本讲座主要探讨并提出一个基于该理论来整合遥感与地面观测数据进行环境建模的研究框架，并以空气质量为例 来展示如何在该框架下统合利用MODIS卫星遥感数据与地面实测数据来进行空间建模与预报。该研究框架在充分利用可用数据的同时考虑其不确定性，从而更有 力地支持空间决策并为复杂建模提供可靠数据来源。本讲座的研究思想亦可广泛应用于其他环境与资源的监测与模拟研究。