由传统农业向现代农业转变是合理利用耕地资源的一个有效途径，这对我国来说尤其重要。现代农业的一个重要特点是资源优化配置，现代烟草农业作为现代农业的重要组成部分，同样如此。　　 资源配置的前提需要对烟草种植资源状况进行准确的评价，以确保其健康持续的发展。人们已经在种植资源的评价方面已经取得了巨大的成就，从最初的单一因子评价发展到目前的多因子综合评价，然而在整个评价流程中仍然有许多问题要解决。比如，评价因子大都是在采样基础上进行空间预测后获得的，由于自然和经费等原因，导致采样点数量有限，布局不合理，空间预测后的结果存在着一定程度的不确定性。此外，在评价过程认为这些因子是“真实”的，直接对这些因子进行评价，将使因子的不确定性累积传递，致使评价结果同样存在着不确定性。随着空间信息技术的发展，全球定位系统和遥感等在对地观测中的应用，获取的同一地区不同类型数据越来越多。这些数据之间具有一定的相关性，如何整合这些数据来辅助提高空间预测的精度是亟待解决的问题。　　 本文在前人研究的基础上，根据现有的空间预测模型以及烟草种植适宜性综合评价中存在的问题做如下研究：　　 (1)提出了融合多源数据的空间预测模型　　 对种植资源进行精确评价的前提是获得准确的评价因子，比如气温、土壤有机质等。观测信息的数据量是制约传统空间预测方法精度的一个重要因素，现实中这些因子往往通过对地面观测数据进行空间预测获得，由于自然、经济等条件的限制，采样点数量往往有限，难以获得较高的预测精度。本文在扩展传统空间预测方法的基础上，详细分析矢量数据和栅格数据特的点，综合考虑多源数据间的普通相关和空间相关，提出了融合多源数据的空间预测模型，实现像素级的信息融合，为我们获得较为精确的评价因子提供理论基础。　　 (2)提出了空间预测不确定性分析模型　　 空间预测是在满足其模型假设条件下获得的最优值，预测结果存在着一定程度的不确定性。由于不确定性具有传递性和累积性，直接对空间预测的结果进行综合评价导致评价结果出现更大的不确定性。本文在研究空间预测机理的基础上，分析其不确定性产生的原因，提出了空间预测不确定性分析模型，将各个位置不确定性的概率分布特征与空间预测结果相整合，实现特征级的信息融合，以获得更为精确的评价结果。　　 (3)基于多源信息融合的烟草种植适宜性评价　　 烟草种植适宜性评价中，许多评价因子来自空间预测，存在一定程度的不确定性。为了降低评价因子不确定性的影响，本研究提出了融合多源信息的分析框架，实现多源信息在像素级和特征级的有机整合，从而获取较为精确的评价因子，在此基础上，对烟草种植适宜性进行评价分析。以四川省某区域为例，对该区烟草种植适宜性进行综合评价分析，获得研究区烟草种植适宜性空间分布图，为该区的烟草种植规划与布局提供参考依据。