草地资源是全球陆地生态系统的重要组成部分,在维护陆地生态平衡中起着重要作用。同时,草地也是畜牧业的生产资料,是保证大农业持续发展必不可少的重要自然资源之一。准确及时地获取草地类型的空间分布,掌握反应草地生长状况的品质参数是草地动态监测的主要内容,也是草地管理的重要依据。卫星遥感技术具有重访周期短、低成本和大尺度的特点,可以全面、快速掌握草地的各种信息,使得在更大空间尺度范围内研究草地类型及其长势成为可能。因此,开展草地类型及其品质参数的遥感反演方法研究对于对草地生态监测和草地畜牧业的可持续发展具有重要意义。本文以青海湖环湖地区作为研究示范区,结合地物光谱、高光谱遥感和多光谱遥感分析技术,系统的研究了草地精细分类、草地生物量估算和草地营养参数反演方法。论文主要的研究内容及结论如下:(1)基于地面实测光谱的草地分类潜力分析。利用6?8月共5个时相的地面实测草地光谱数据,对草地在类、亚类、型三个级别的分类潜力进行了分析。分析结果表明,不同分类算法在草地分类实验中的表现存在差异:支持向量机算法在不同级别的草地分类中表现比较稳定,分类效果较好;基于最小距离和光谱角填图算法的草地分类结果比较不稳定,有时会出现分类精度较低的情况;最大似然算法在类、亚类级别对草地样本进行分类时,分类效果较好,但在对某些样本个数较少的草地型进行分类时,分类精度较差。比较各个时相的草地分类结果可以发现,无论是在草地类、草地亚类还是草地型级别,草地分类的最佳时相都集中出现在6月16日和7月3日,最高分类精度能达到95%以上。(2)草地遥感分类最佳探测波段确定。针对草地分类问题,以地面ASD光谱仪获取的草地光谱数据为实验样本,从控制波段间相关性的角度,在350~2500nm范围内选取特征波段,并将选取的特征波段分别应用于地面光谱数据和Hyperion遥感数据进行草地分类,从分类精度和分类效率等角度对特征波段选取的合理性进行评价。最终确定适合于草地分类的最佳遥感探测波段波长为:426nm、559nm、711nm、721nm、732nm、844nm、1144nm、1245nm、1608nm、1991nm。这些特征波段能够基本达到全波段的分类精度,并且相对全波段数据其所使用的数据量大大降低,因此分类算法的运行效率必然大大提高。(3)基于多光谱遥感数据的草地分类方法。基于Landsat TM遥感数据,利用模式识别领域的随机森林和决策树等主流机器学习算法,综合遥感光谱信息和地形因子,构建基于多特征的草地分类模型。结果表明引入地形辅助因子后的几种分类方法相对于基于光谱信息的分类方法精度均有不同程度的提高,可以将某些光谱比较相似的草地类型区分开来,为解决同物异谱、异物同谱现象提出了一个有效的解决方法。另外,CART决策树算法和随机森林算法均具有较高的分类精度,且可以实现分类规则的自动提取,因此这两种方法在基于多特征的草地类型识别中具有显著优势。(4)草地地上生物量反演方法。在草地遥感分类的基础上,本文提出了一种结合草层高度和植被指数的草地生物量反演方法。基于HJ-1 CCD遥感影像和地面样点数据,采用多元逐步线性回归分析法建立草地高度、植被指数与草地生物量之间的统计模型。利用该模型对CCD数据进行反演时,每个像元对应的草地高度值由草地类型、NDVI(归一化植被指数)以及DEM(数字高程模型)建立判别模型来获得。该模型克服了传统植被指数法对不同形态的植被之间缺乏一致性和稳定性的缺点。通过精度评定将其与传统植被指数模型进行比较,结果证明该方法有效可行,模型拟合精度和预测精度均比传统植被指数法高出13%以上。(5)草地营养参数反演方法。探讨了高光谱技术应用于牧草营养参数监测的可行性。分别选择植被指数、原始光谱、一阶导数、波段比值参数以及小波系数与牧草粗蛋白、粗纤维和粗脂肪进行相关性分析。在此基础上,建立牧草营养参数的高光谱遥感估算模型。通过比较,确定从冠层光谱估算牧草粗蛋白含量的最佳模型为以Coiflets小波系数为自变量的二次多项式模型;牧草粗脂肪含量的最佳光谱估算模型为以1668nm波段光谱一阶导数为自变量的二次多项式模型;牧草粗纤维含量的最佳光谱估算模型为以918nm波段光谱一阶导数为自变量的指数模型。研究结果证明了利用350-2500nm范围高光谱数据开展牧草品质参数含量估算的可行性。