本文将目光聚焦于内蒙古科尔沁沙地，首先基于高精度影像从小尺度上分析该地区典型区域的荒漠化现状及动态变化，而后上升到中分辨率影像进行大尺度的荒漠化监测。 地质统计学影像纹理考虑到地物空间结构特征的差异，从而在原始光谱波段的基础上增加了空间结构信息，有助于提高遥感荒漠化监测的精度，本文应用该方法开展了一系列荒漠化监测相关的研究。 主要创新点和成果如下： (1)应用地质统计学影像纹理的荒漠化监测研究选择非生长期影像监测荒漠化的状态，从荒漠化土地的地表结构差异入手，本文在前人对地质统计学影像纹理的研究基础上，将该方法引入到荒漠化遥感监测中，分析了不同荒漠化土地类型的变异函数曲线差异，论证了变异函数纹理在高分辨率影像荒漠化分类中的有益贡献，在具体的纹理计算过程中，本文提出采用四种修正变异函数计算影像纹理，提出采用模型拟合得到变差距离来决定计算窗口可选大小及应用主成分波段作为纹理计算的基础。在对影像纹理的运用上，首先基于三个可选窗口计算影像纹理，而后将它们与原始光谱波段结合起来进行分类，通过比较分类精度选择最适合该类影像纹理计算的窗口大小，最后将典型区域的研究结果推广到科尔沁其它旗县的同类数据。 (2)应用变异函数模型参数纹理的荒漠化动态变化监测研究选择生长期影像监测荒漠化土地与其它土地利用类型之间的动态变化，受制于光谱波段和变异函数纹理波段结合起来仍然不能在不同类型耕地和不同级别荒漠化分类中获得理想结果，本文研究提出利用变异函数模型参数纹理提高植被分类的精度，将荒漠化监测的触角延伸到耕地、林地和草场的动态变化监测中，从而能更好地描述荒漠化土地动态变化的来源。 (3)应用变异函数模型参数的植被群落空间结构特征分析鉴于不同植被群落组成对荒漠化类型的指示作用，从地质统计学变异函数模型参数中得到启发，将从影像中计算得到的变异函数模型参数跟植被群落空间结构特征对应起来，即计算不同植被群落的实验变异函数并拟合到球状模型，用变差距离和基台值来表达植被群落的空间结构特征。运用这些计算结果，对从典型区域选取的样地进行生态退化和恢复的监测研究并对恢复方法提供一定建议。 (4)基于MODIS影像的荒漠化监测指标体系的构建在前人研究的基础上，提出采用MODIS EVI、Albedo、LST和LSWI四个指标来监测大尺度范围的荒漠化动态变化，四个荒漠化监测指标阈值通过利用高分辨率荒漠化遥感监测研究成果来建立，从而实现了从高分辨率小尺度变换到中分辨率大尺度的荒漠化遥感监测。