水土流失问题目前已成为全球关注的头号环境问题,众所周知,植被是防止水土流失的积极因素,而要制止水土流失的恶化,最好最有效的方法就是增加植被覆盖度。植被覆盖度是生态环境的衡量指标之一,是描述生态系统的重要参数,也是影响土壤侵蚀与水土流失的主要因子。而植被覆盖度的获取与测量方法更是现代生态学与全球变化领域研究的重点热点话题。利用遥感影像的方法对植被覆盖度进行动态监测,具有周期短、快速、准确、及时的特点。在植被覆盖度的遥感测量方法中,植被指数的方法被人们普遍使用。但在南方红壤流域地区,这种方法还缺乏定量的研究,因此选择最适合研究区流域使用的、对植被覆盖度最为敏感,对背景因素最不敏感的植被指数,是植被覆盖度遥感提取的重点和难点。在植被指数的基础上,利用改进的像元二分模型求取植被覆盖度,并将其应用于水土流失的测量提取,在神经网络中建立水土流失的快速提取测量模型,对于南方地区频发的水土流失的监测,及区域的可持续发展,则显得十分必要。　　 本文以2009年多波段的遥感图像ALOS影像为基础数据源,采用遥感技术与传统方法相结合,遥感计算与实地调查相结合,定性研究与定量计算相结合,多学科交叉,多数据集成,多种方法综合应用,重点讨论了福建省长汀县朱溪流域适宜植被指数的选取,并利用像元二分模型计算流域的植被覆盖度,在此基础上采用神经网络的方法建立朱溪流域水土流失快速提取模型,以期推广应用于南方红壤侵蚀地区。　　 结果显示,朱溪流域最适宜的植被指数为MSAVI——修正土壤调节指数,且用遥感估算植被覆盖度的方法可行,精度能到达一定的要求。在metlab中能实现BP神经网络对流域内的水土流失现状进行模拟与预测研究。