植被类型是在不同的气候条件和人类活动影响下,在不同地域形成不同的地表生态覆盖景观,不同的植被类型又通过营养物质选择性吸收利用、光合作用的差异和呼吸作用差异等特性,反过来对气候和人类活动有一定的反馈作用。植被类型研究是陆面过程模型研究中的重要组成部分,由植被类型数据间接反演出来的地表阻抗、地表粗糙度、叶面积指数等参数都是模型需要的重要参数,在全球及区域的物质循环、能量循环等过程中发挥了重要的作用。另外,植被类型也关系到人类社会资源利用、生活环境舒适度、粮食生产安全等问题,因此植被类型研究一直以来都是研究的一个热点。本文主要的研究方法是基于时序植被指数数据展开的,主要的思想是不同植被类型有不同的物候周期和特点,这些物候特征差异可以体现在NDVI曲线的差异上,包括NDVI发生变化的时间上的差异、特定时间NDVI值大小的差异等,如果把这些差异提取出来,可以作为植被分类的有效依据。本研究在疏勒河流域开展,使用影像数据是的MODIS的产品,时序NDVI影像共23景,时间跨度是2013年一年时间,该产品是最大值合成法生成的,处理后时间分辨率16天。通过去噪重构处理后(最小值替代、hants滤波等方法),提取出了振幅、生长期、NDVI净累积量、返青季、第一主成分等12个特征波段,经过相关性分析,去除了5个信息冗余波段后,利用野外实测的样方点作为训练数据,利用See5.0自动决策树和端元提取的方法对研究区植被类型进行了分类,并使用1：100万植被图产品和土地利用产品对结果进行验证。本文的主要研究内容有：现有植被类型分类系统间的比较；时间序列数据重构；对从时序NDVI曲线上提取特征波段的方法进行了研究；基于决策树分类法和端元提取分类法的应用研究。本文的研究结论主要有：1、利用时序NDVI进行植被分类,是获得植被信息的一条有效途径。不论是直接把时序NDVI作为分类数据,还是用间接提取出来的特征波段作为分类数据,前人都做过相应的研究,本文用提取出来的12个特征波段做为分类数据源,对植被进行了分类,取得了较好的效果。基于时序数据的植被遥感研究已成为一个研究热点。2、时序数据的去噪不能通过单一的方法一次性去除。时序数据中每个像元被噪声污染的几率都很大,噪声的来源也很多,必须把多种去噪方法结合起来,才能有效去除。本文使用的时序NDVI数据经过了最大值合成、最小值替换、HANTS滤波三种方法的处理。3、基于时序NDVI的植被信息提取结果表明疏勒河流域植被类型单一,主要的植被类型是荒漠植被、荒漠草原、高山草甸&草原、人工植被,主要的群系有骆驼刺群系、黑果枸杞群系、芨芨草群系、柽柳群系、小叶杨群系、芦苇群系等。研究区内的植被覆盖面积情况如下：荒漠草原占研究区面积的17.1%,高山草甸&草原24.8%,沼泽和水生植被、温带落叶阔叶林面积都在1%以下,山地和河谷灌丛3.5%,耕地面积在2%左右,余下无植被地段地带超过50%。