川西高原牧区的雪灾具有发生频率高、影响范围广、危害程度大以及救灾困难等特点,所以,持续监测川西高原的积雪是至关重要的。监测积雪可以从积雪覆盖度、积雪分布、雪深、雪粒径等特征作为切入点,其中积雪覆盖度是全球能量平衡、气候、水文、生态模型以及积雪定量遥感中的重要输入参数之一。当前,川西高原积雪监测主要以MODIS标准积雪产品为主,其产品数据在川西高原精度不高且普适性不强,其它获取积雪覆盖度的方式有限。针对川西高原难获取高精度的积雪覆盖度和现行MODIS标准产品精度不高及普适性不强等问题,本文基于混合像元分解理论提出了一种基于噪声水平估计的扩展线性分解模型（NELMM）,首先,在解混过程中引入了端元尺度因子用来模拟不同的积雪端元,解决由于光照差异带来的端元异质性及端元变化,消除了常规混合像元分解算法无法处理的端元变化。然后根据高光谱应用中的多元回归理论估计相邻波段的噪声,从估计噪声中获得噪声权重矩阵,将噪声权重矩阵引入到扩展线性混合模型中来平衡不同波段间的噪声水平,来减轻不同波段噪声水平的影响,消除波段噪声差异性带来的误差。为论证NELMM的优势性,这里通过3组模拟实验和3组真实实验来验证模型的适用性和鲁棒性,同时将提出的NELMM模型与FCLS、PLMM、ELMM和GLMM进行比较分析,采用均方根误差和光谱角两个指标进行精度评价。同时,为论证NELMM模型在川西高原反演积雪覆盖度的普适性和稳定性,本文选取川西北高原和川西山地的两种典型地形区域作为研究区,分别以每个研究区3期不同时期的MODIS09GA数据开展实验研究。为验证NELMM的算法精度、优势和稳定性,采用扩展线性混合模型ELMM来进行交叉验证,同时与MODIS10A1标准积雪覆盖度产品对比分析。本文选取模型精度（Accuracy,ACC）和总积雪面积比例（Total Snow Area Ratio,TSCR）、均方根误差（Root Mean Square Error,RMSE）、相关系数（Correlation coefficient,R）和平均误差（Average Error,AE）等四个辅助指标来评价模型的反演精度、稳定性和适应性,使用Landast8-OLI分类影像制作的积雪覆盖度作为参考值对反演结果进行精度验证。定量分析与实验结果表明:提出的NELMM模型具有高鲁棒性和高精度性,且论证了NELMM模型在混合像元分解方面的可行性,NELMM模型在模拟实验和真实实验中的精度指标都是最优的,其分解结果也是最好,其能够平衡不同波段间噪声水平不同的问题,且能够减弱端元变化对分解结果的影响,从而提高模型对影像的分解精度;NELMM模型的精度整体高于ELMM模型,说明引入噪声权重矩阵平衡了波段间的噪声,减轻了不同波段噪声水平的影像,提高了积雪覆盖度反演的精度,同时,与现有的MODIS标准积雪产品相比,NLEMM反演的积雪覆盖度精度高,提取总体精度高于90%,总的积雪面积比例高于90%,均方误差低于0.18,且具有很好的鲁棒性,能够为川西高原积雪覆盖信息提取及积雪监测发挥一定的作用。