生物量(biomass)是用以评价草地的生态系统结构和基本功能的一项重要的指标,也是用来研究草地的第一生产力的基础参数。草地生物量是整个草地生态系统运行的能量基础和物质来源,是研究生产力(productivity)、净初级生产力(net primary productivity,NPP)的基础[1]。植被的生物量是表征某种生态系统,它能够获取的能量的一种潜在的能力,它对这种生态系统的基本功能与生态系统结构等都有一定的重要意义,也是用来反映某个研究区域的生态环境状况特征的一项重要的指标。某个研究区域的植被生长的情况,可以用来得知这个研究区域的生态环境状况的好与坏。但是,某个研究区域的土壤水分含量,在某种程度上制约着植被的生长状况及特征。然而,土壤水分含量作为陆地表面的一个重要的参数来说,它深刻影响着某个研究区域的气象与气候、能力的平衡、全球水循环的变化。基于光学遥感影像数据的植被指数与草地地上生物量建立的遥感估算模型,是通过一定的相关关系分析方法,拟合出适合于本研究区的草地地上生物量的统计回归模型,并且,以该模型作为依据,用来反演估算草地地上生物量,进而实现实时性、动态性监测大面积的草地资源。随着遥感平台的不断发展,利用合成孔径雷达(SAR)数据进行生物量的反演估算,已经在草地生态状况研究的领域内成为一个比较新颖的研究课题。然而,作为一个新型的遥感平台,SAR数据具备了全天时、全天候的优点,并且不会受到气候等因素的影响,还具备了很强的穿透地表的能力,是草地生态系统研究领域中极其重要的一个遥感数据信息源,能够准确地、快捷地反映出草地的生态环境状况。因此,本文着重采用青海湖流域的草地生态环境要素的主被动遥感协同的反演技术,建立出适合青海湖流域草地生物量的反演方法,为多时间多空间尺度上的生态环境要素的反演提供了理论和方法支持。本研究将青海湖流域作为研究区域,将青海湖流域的草地地上生物量作为一个重要的研究对象,并在青海湖流域的各种草地类型的草地样方实地观测数据的基础上,分别采用被动光学遥感数据与主被动遥感数据对研究区草地地上生物量进行反演估算,并且选取部分的实测数据来进行模型精度验证和评价。通过该研究,得到了以下初步的结论:1、在土壤条件植被指数(SAVI)研究中,当L=0.5时,S/N达到了最大值,随后便逐渐减小,故青海湖流域草地最佳L取值为0.5。2、基于被动光学遥感数据的生物量反演模型对于不同的植被指数来说,基于SAVIL=0.5的统计回归模型的判定系数均高于基于NDVI的统计回归模型的判定系数。对于不同的统计回归模型来说,基于Landsat 8 OLI、MODIS光学遥感影像的NDVI、SAVIL=0.5与实测生物量建立的三次多项式模型的判定系数均高于一元线性模型、对数模型、指数模型和幂函数模型。3、基于主被动遥感数据协同的生物量反演模型基于主被动遥感数据的改进后的水云模型估算的草地地上生物量与实测值的判定系数很高(R2=0.7286),散点都分布在1:1线周围,该模型反演的精度较高(RMSE=46.40g/m2)。对于不同的遥感平台来说,基于主被动遥感数据(Radarsat-2 SAR、Landsat8 OLI)的改进后的水云模型反演草地地上生物量的判定系数高于基于单数据源(Landsat 8 OLI、MODIS)的统计回归模型的判定系数。