植被覆盖作为土地覆盖的一种类型,是生态系统的重要组成部分,是表示陆地表面植被数量的重要参数,也是反映生态系统变化的重要指标。利用遥感方法反演地表生物物理参数已经越来越广泛地应用于各行各业,因此也成为植被覆盖度测量与监测的主要手段。但目前主要针对大范围使用多光谱遥感数据进行植被覆盖度信息的提取,随着光谱分辨率技术的快速发展,高光谱遥感可以直接对地物进行微弱光谱差异的定量分析,也为更高精度的植被覆盖度反演和提取提供了可能。本文运用像元二分法进行Hyperion高光谱遥感影像植被覆盖度估算的关键技术研究,发展基于遗传算法优化的组合评价模型的NDVI波段选择研究,以及基于最优密度分割的多阈值分割研究,以寻求一套适用于高光谱数据特性的植被覆盖度提取方法,旨在为试验区生态环境评价与精准监管提供技术支撑。主要研究内容与成果如下:（1）针对高光谱数据计算NDVI时选取中心波段作为R和NIR波段的传统方法,在分析常用的波段选择标准的基础上,提出了采用多种评价指标的组合评价模型进行NDVI波段选择研究,用遗传算法对各个评价指标的权重参数进行优化,获取最佳的R和NIR波段组合。（2）引入阈值分割的方法研究像元二分模型中NDVImin和NDVImax的取值问题,采用最优密度分割法对图像进行不同段数的分割,选出最佳的分割段数,从而确定各类地物的NDVImin和NDVImax阈值。（3）提出了像元二分模型的改进算法,通过先分类地物后提取植被覆盖度的方法提高植被覆盖度的反演精度,同时与传统方法的反演结果开展多组对比试验分析。试验表明改进像元二分算法能够提高植被覆盖度的提取精度,且对于植被覆盖度较高和较低的区域都适用;但改进算法在植被覆盖度较高区域的适用性更好。