干旱地区占世界陆地面积的三分之一,荒漠植被对保障干旱区生态系统的生态完整性具有重要作用。光合植被(PV)和非光合植被(NPV)是描述干旱区植物生存状态和监测植物生产力的重要因子,同时是指示生态系统环境及结构变化的重要信息。因此,及时监测光合作用/非光合作用荒漠植被覆盖是指导土地荒漠化管理实践和研究植被衰退驱动机制的必要条件。遥感技术因空间、光谱和时间分辨率的多样性特征,在不同空间尺度和时间跨度的光合植被覆盖度(fPV)和非光合植被覆盖度(fNPV)准确估算上具有相当大的潜力。但受干旱区特殊环境影响,采用遥感技术精确估算干旱地区fPV和fNPV仍面临着很多困难。因此,如何提高采用遥感技术估算干旱区稀疏fPV和fNPV是荒漠植被遥感研究中一大难题。鉴于此,本文以中国西部甘肃省民勤荒漠过渡带为研究区,以干旱区的荒漠稀疏植被为研究对象,系统地开展服务于干旱区光合/非光合植被覆盖度反演的光谱混合研究,选择线性光谱混合模型(LSMM)与非线性光谱混合模型(NSMM)及其对应的解混方法,深入了解植被-土壤之间的光谱混合过程,评价不同空间及波谱尺度的多源遥感数据在定量反演fPV和fNPV的性能,并将其应用于研究区长时间序列的区域fPV和fNPV监测。具体研究内容及成果总结如下:(1)本文提出了一种基于全限制最小二乘算法(FCLS)的改进算法(简称p-FCLS)满足端元丰度非负且加和为1限制,适合于干旱区稀疏植被端元丰度估算,并与FCLS算法,非负矩阵分解(NMF)算法,最小二乘正交子空间投影(LSOSP)算法及其扩展的核函数非线性KFCLS,KNMF,KLSOSP,p-KFCLS算法进行效率和精度比较,结果表明,FCLS算法最适合于少量数据涉及非线性光谱混合的NSMM解混,而此文提出的p-FCLS适合于遥感影像数据的LSMM解混估算fPV和fNPV。(2)通过比较LSMM和NSMM在两种典型荒漠植被(白刺和梭梭)冠层尺度反演fPV和fNPV的精度,研究了光谱非线性过程对fPV和fNPV估算的影响。主要结论如下:在干旱区,正确选择端元对提高植被覆盖度估算的准确性至关重要,尤其是阴影端元的选取更是不容忽视;其次,对于荒漠植被冠层,基于核函数的NSMM是最佳的模型选择,但在10-60m空间尺度上非线性光谱混合过程并不明显。考虑到计算的复杂性和精度要求,LSMM仍为从植被冠层1m到遥感影像60m空间分辨率尺度上,在光合和非光合植被覆盖估算的可行性和性能上仍为最佳模型选择;再者,非线性光谱混合效应与植物冠层三维结构(平铺型或直立型)密切相关。(3)通过比较 Sentinel-2AMSI(S2 MSI)、Landsat-8 OLI(L8 OLI)和 GF-1 WFV(GF1WFV)传感器在区分PV-NPV-BS组分的性能,结果表明:高空间和光谱分辨率的Sentinel-2传感器,可以提高干旱地区fPV和fNPV的估算精度,解决了阻碍多光谱遥感数据反演加PV的一个难题;其次,通过引入更多的红边和近红外波段,可以大大提高fNPV估计的精度,而且窄波段或具有更高比例可见光和近红外波段(尤其红边波段)传感器对同时提高fPV和fNPV估算精度具有重要意义,同时发现NIR波段比例增加可降低NSMM对噪声的敏感性;最后,高空间分辨率对干旱区反演fPV和fNPV显得格外重要。(4)通过比较发现可变端元选取方法的自动蒙特卡罗(AutoMCU)更适合于解决干旱区大范围端元可变性问题,并将其应用于Google Earth Engine地理云计算平台Landsat系列的年NDVI最大合成影像数据生成一套从1987-2017年民勤县30m空间分辨率PV与NPV覆盖度产品(每1年一期)。通过数据分析发现:近30年间民勤的PV和NPV覆盖度均明显增加,2007-2008年是PV大量向NPV转化的时间节点;PV覆盖度增加主要在石羊河两侧耕地范围内及其南部腾格里沙漠区域,而NPV覆盖度增加分布于绿洲外的整个民勤境内的荒漠区域。根据以上结论,对研究区PV与NPV覆盖度变化的原因及其根源问题进行分析,并制定植被保护及其建设措施。总体来说,光谱混合分析被认为是至今干旱地区稀疏PV和NPV从BS中区分的最佳方法,LSMM具有广泛的应用领域,而NSMM将具有更大的应用前景,本研究实现了基于高光谱和多光谱遥感数据的干旱区稀疏PV与NPV覆盖度的定量反演,并对荒漠区两种冠层结构特征明显的典型植被光谱混合过程进行分析,进一步扩展了植被遥感的应用领域。