在自然环境以及人类活动等因素的影响下,科尔沁沙地荒漠化不断加剧,严重制约了当地生态环境的可持续发展,因此,基于遥感技术的固沙植被研究有助于遏制荒漠化进程,提高干旱半干旱区植被资源的可持续利用及其时空动态变化监测效率。研究区地处科尔沁沙地南缘,具有地带特殊性以及严重的植被混生现象,为了探究高光谱遥感数据在植被识别中的可利用能力,本文从“同物异谱”特性着手,利用包络线去除和一阶微分法对不同群落原始光谱进行变换增强可分性,实现了有利于分类的识别参数的提取。同时通过对比不同分类模型在多光谱影像中的分类精度,依托1987-2017年15期高质量Landsat TM/OLI遥感影像分类图数据,基于生态学植被演替研究方法,系统分析了研究区30年来的植被群落动态演变规律。论文主要结论概括为以下四方面:1.研究以空间代替时间的方法,根据优势种差巴嘎蒿的物候特征及物种组成,划分为四个演替阶段(即四个群落),通过分析四个差巴嘎蒿群落冠层反射率特征发现,随着群落的稳定,红边反射率持续上升,且9月总体曲线较5月降低;一阶导数和连续统去除变换有效增强了群落间原始光谱的吸收特征以及红边的差异性,得到最佳识别参数为红边特征以及吸收深度,且9月识别效果优于5月。2.通过对不同群落的光谱特征分析可知,9月群落将进入凋萎期,而杨树较长的生长周期,使得在红边处容易与其他群落区分;作为流动半流动沙丘的指示群丛的沙米-差巴嘎蒿群落植被构成简单,叶片较小,其冠层反射率在“绿峰”与“红谷”处均较高,但是“双峰”现象不明显,易于区分;作为能够指示植被生长状态的植被指数,整体变化遵循了群落生长的一般规律,但是仅有RVI呈现出的差异性较大。3.由分类结果可知,各模型的分类精度为:决策树>SVM>KNN>K-means,其中决策树分类总体精度最高达到95.24%,Kappa系数为0.95。基于决策树分类的多时相影分类精度均达到80%以上,因此,在数据信息匮乏的情况下进行多时相遥感影像的动态分析时,决策树分类法获取的地物空间分布信息更具有较强的地区适应性。4.四个研究期的植被结构均为“半灌丛-草甸地-灌丛”,且半灌丛与草甸地是研究区主要的覆被类型;1987-2017年间,主要土地覆被类型依然存在着正向和逆向两个演变方向,其中逆向演替占总演变的28.68%。从变化序列来看,研究区土地覆被变化主要以半灌丛的持续减小与沙地草甸的持续扩张为主要特征,侧面反映该研究区域生态环境的持续不稳定性和脆弱性;利用SDE法分析得出1987-2017年不同植被群落重心在变化过程中的聚散与迁移,除人为影响较大的林地、草甸地以及耕地向北迁移外,其他植被群落的重心都有很明显的南迁。多光谱数据能够及时、准确、无损地获取荒漠化植被信息,有助于区域尺度植被资源的发展及管理,对生态环境等植被资源配置具有重要意义。而高光谱数据在提取近地面植被叶片结构、生理参数以及生物量等指标信息具有较大优势,能够为多光谱数据的分析研究提供基础数据。同时,多光谱数据在基于光谱信息与GIS空间分析的科尔沁沙地土地覆被特征以及时空格局研究中,实现了对植被资源的动态监测与分析,该研究能够为建立点尺度与面尺度遥感数据之间的联系及荒漠植被识别提供有效参考。