土地是人类生存繁衍的必备要素。当前全球约有四分之一的土地处于退化中,土地退化形势异常严峻,因此开展土地退化遥感监测十分重要。现有的土地退化遥感监测方法中,以植被净初级生产力(Net Primary Productivity,NPP)为指标的植被指数法是应用广泛的方法,它依据NPP的时空变化特征来监测退化土地,对NPP精度要求较高。已有的MODIS NPP产品由于受数据尺度和MODIS GPP产品质量的影响,其空间分辨率和产品精度都明显偏低,在针对中小尺度区域的研究中存在显著的适用性不足问题。所以需要结合区域特征重新反演NPP。目前,NPP反演研究多基于MODIS数据展开,但该类数据空间尺度的限制又决定了反演结果无法较好表征局部特征,导致误差较大。因此,研究综合利用多源遥感数据来改进MODIS数据反演NPP的不足,以更好展现区域局部特征,提升精度。事实上,在干旱和半干旱区,NPP受降水影响突出,若基于NPP的变化来监测土地退化,易在降水显著变化年份误判土地退化区域。因而,研究引入植被降水利用效率(Precipitation Use Efficiency,PUE)指标进行土地退化监测,该指标表征了植被对水分的有效利用程度,其定义为NPP与降水的比值。基于构建的PUE与土地退化的关联模型,研究完成了内蒙古呼伦贝尔草原区域2010-2018年的土地退化监测,并对土地退化驱动因子展开了分析。主要研究成果如下:(1)以Landsat-8、Sentinel-2及MOD13Q1影像为遥感数据源,结合气象数据,研究驱动CASA(Carnegie-Ames-Stanford Approach)模型反演得到了研究区30m空间分辨率的NPP数据,相较于MODIS NPP产品,反演结果能更准确识别NPP的高值分布区域,整体精度更高。此外,基于上述遥感数据分别反演得到的三种尺度NPP的对比结果表明高空间分辨率数据反演的NPP能更清晰表征区域局部特征,使得对植被区的误判减少,反演误差降低。(2)研究区NPP与降水变化趋势基本一致,表明该区NPP确实受降水影响明显。因此引入了PUE指标来消除降水的影响,并基于构建的PUE与土地退化的关联模型完成了对土地退化的监测。通过Google Earth影像的示例验证结果表明:PUE指标能较好指示土地退化区域,所得监测结果是有效的。(3)土地退化驱动因子分析结果表明研究区单一气象因子变化导致的土地退化面积占比不足0.1%,对土地退化的驱动作用很小;人类活动才是土地退化的主要影响因素。因此人类进行开发建设的同时,应该注重对生态环境的保护。