光合植被（Photosynthetic Vegetation,PV）和非光合植被（Non-photosynthetic Vegetation,NPV）在草原生态系统中扮演着重要的角色,影响着生态系统的碳储存、CO₂交换量、植被生产力和地表能量平衡,是衡量地表植被覆盖状况的重要指标。定量的估算草原光合植被覆盖度(Fractional Cover of Photosynthetic Vegetation,f_PV)和非光合植被覆盖度(Fractional Cover of Non-photosynthetic Vegetation,f_NPV)对陆地生态系统碳储存、植被生产力、土壤侵蚀和草原火灾均具有重要的意义。本研究首先根据野外实测光谱和样方数据,在分析NPV、PV和BS端元光谱特征的基础上,通过模拟混合场景和野外真实混合场景两方面来验证不同光谱指数与f_NPV的相关性,并分析了NDVI-DFI特征空间构建像元三分模型基本假设的合理性;然后以MOD09A1地表反射率8天合成产品为数据源,利用NDVI-DFI像元三分模型估算了典型草原实验区的f_PV、f_NPV和f_BS,并进行定性和定量的精度评价;最后,对锡林郭勒典型草原2017年时间序列的f_PV、f_NPV和f_BS进行估算,分析其季节性变化。主要得到以下结论:（1）在NPV-PV-BS三组分存在的情况下,DFI指数与f_NPV呈显著相关关系,DFI指数可以有效的估算草原非光合植被覆盖度。通过对几种光谱指数的回归分析发现:模拟NPV-PV-BS混合场景条件下,DFI和CAI指数均与f_NPV呈显著相关,R²分别为0.953和0.852,RMSE分别为0.048和0.085,而NDI和NDSVI指数与f_NPV相关性很低。与模拟混合场景相比,在野外真实混合场景下DFI和CAI指数估算f_NPV的有效性均有一定程度的降低,R²分别为0.745和0.712,RMSE分别为0.117和0.125。NDI指数的R²为0.053,RMSE为0.227;而NDSVI指数估算效果最差,R²为0.007,RMSE为0.234。（2）利用MODIS模拟光谱和实测光谱反射率数据构建的NDVI-DFI特征空间图都表现为明显的三角形,符合像元三分模型的基本假设。通过选择NDVI指数表征f_PV、DFI指数表征f_NPV来构建NDVI–DFI像元三分模型实现f_NPV的估算具有理论可行性。（3）NDVI-DFI像元三分模型可以较好的估算典型草原的f_PV、f_NPV和f_BS,利用影像端元法的f_PV、f_NPV和f_BS估算精度高于实测端元法。其中,对于f_NPV来说,影像端元法估算的RMSE为0.1210（R²=0.70）,实测端元法估算的RMSE为0.1501（R²=0.71）;对于f_PV来说,影像端元法估算的RMSE为0.0482（R²=0.75）,实测端元法出现了明显的高估,估算的RMSE为0.0736（R²=0.71）;对于f_BS,影像端元法估算的RMSE为0.1299（R²=0.73）,高于实测端元法估算的RMSE为0.1813（R²=0.74）。（4）NDVI-DFI像元三分模型在典型草原地区具有合理性和适用性,估算的时间序列f_PV、f_NPV和f_BS与草原植被物候特征基本一致。该研究扩展了像元三分模型的应用范围,充分挖掘了多光谱遥感估算f_PV、f_NPV和f_BS的潜力,为今后实现大范围高精度长时间序列的草原地区f_PV、f_NPV和f_BS监测模式提供依据。