植被覆盖度作为表征地表植被状况的基础指标，是一个重要的生态参数。作为陆地表面模型中的一个重要变量，植被覆盖度是全球和局部气候模拟、重要水文和生态模型的关键输入参数，对于研究气候变化、土地荒漠化以及环境监测等有重要意义。毛乌素沙地是我国西部脆弱生态环境的典型代表，植被覆盖是描述其生态系统的重要基础数据，基于遥感手段反演的植被覆盖度可以为进一步分析其土地沙化进程提供参考。　　 本文主要基于经验统计模型、像元二分模型和几何光学模型对乌审旗毛乌素沙地的植被覆盖度进行遥感反演和对比分析研究。论文的主要成果和创新点包括：　　 1．基于经验统计模型反演沙地植被覆盖度。选取HJ-1影像的四个波段、六个植被指数、主成分变换得到的前三个主成分、缨帽变换得到的三个分量，通过Pearson相关分析法分析这些变量与实测覆盖度的相关性，建立显著相关变量与覆盖度的线性回归模型，同时考虑地形和气候要素与覆盖度进行相关分析和回归建模，最后建立多元逐步回归模型，选取该模型作为最优回归模型反演研究区的植被覆盖度，通过交叉验证的方法进行验证分析。验证结果的R2为0.867，均方根误差RMSE为0.101。在进行缨帽变换时，对已有的面向Landsat MSS和TM/ETM+影像的变换矩阵进行参数调整，基于调整的矩阵进行缨帽变换，得到的GVI分量与实测覆盖度具有显著的相关性，最终也被引入多元逐步回归模型反演植被覆盖度。　　 2．基于像元二分模型反演沙地植被覆盖度。根据研究区植被覆盖结构特征，选择非密度混合像元模型，基于实地调查在影像上获得端元组分的光谱值，在此基础上反演植被覆盖度并基于实测值开展验证分析。验证结果的R2为0.817，RMSE为0.123，表明反演效果较好，但精度低于经验统计模型的结果。　　 3．基于几何光学模型反演研究区的灌木覆盖度。结合线性光谱分解的思想，基于像元二分模型反演的覆盖度得到研究区的光照背景分量面积比；采用NDVI阈值分割的方法将灌木从其他地物类型中提取出来，然后结合实地调查获取的灌木结构参数基于Li-Strahler几何光学模型反演研究区的灌木覆盖度。通过实测覆盖度对反演结果进行验证，实测覆盖度和模型反演值的相关系数R达到0.933，两者的线性回归模型的R2为0.871，结果的RMSE为0.102。　　 4．分别从定性分析和定量验证的角度对经验统计模型、像元二分模型和几何光学模型反演的植被覆盖度进行对比研究。首先分别针对高、中、低植被覆盖和水体区域，定性对比HJ-1遥感影像和三种模型反演的植被覆盖度，分析不同模型反演结果的精度；然后基于19个实测样地点的覆盖度，通过配对样本T检验等对三种模型的反演结果开展对比验证；最后基于在影像上随机选择的100个样点对三种模型反演的覆盖度进行定量分析。定性对照分析和基于不同样点的定量对比验证结果都表明经验统计和几何光学模型的反演结果较为一致且与遥感影像较为吻合，因而更适用于本研究区的覆盖度反演，而像元二分模型反演的研究区覆盖度相对误差偏大。对比验证结果为反演乌审旗毛乌素沙地的植被覆盖度的方法选择提供参考依据。