草地植被覆盖度（Fractional Vegetation Cover,FVC）是衡量地表草地植被生长状况的一个重要指标,也是区域碳循环分析、草地生态系统健康评价以及草地资源可持续开发利用的指示因子。祁连山是中国西北地区典型的生态脆弱区,草地生态系统是该区域内最主要的生态系统。因此,构建高精度的草地覆盖度估算模型对祁连山地区内草地资源管理和生态环境保护具有重要的意义。许多学者已针对祁连山地区的植被覆盖展开了大量研究,然而,目前的草地植被覆盖度估算模型差异较大,也鲜有估算祁连山东、中、西段不同区域草地覆盖度的精确模型。因此,本文以祁连山作为典型研究区,以东、中、西段内各类型草地植被为研究对象,对比了不同MODIS产品对祁连山草地植被估算的适用性,利用多种植被指数、裸土指数、阴影指数以及温度、降水、湿度等气象因子,分别构建草地覆盖度的单因子和多因子的参数与非参数模型,对比各模型的精度和稳定性。在此基础上,分析了2000-2019年祁连山地区草地覆盖度的时空动态变化,结果表明:（1）与MOD09GA相比,MCD43A4是更适合用于祁连山草地覆盖度研究的MODIS数据。在12种植被指数中,基于MCD43A4的11种植被指数与草地覆盖度之间的相关系数均高于基于MOD09GA的,对应植被指数r的差值介于0.031⁰.793之间。（2）由于地形、土壤、气候以及植被覆盖类型等因素的影响,基于不同植被指数的单因子参数模型对祁连山东、中、西段草地覆盖度的估算能力差异巨大。祁连山东段草地覆盖度的最优估算模型是BNDVI的指数模型（y=19.7160）^1.292,R²=0.569,RMSEP=1.582);祁连山中段草地覆盖度的最优估算模型是GNDVI的乘幂模型(y=65.530^0.543,R²=0.698,RMSEP=15.601);祁连山西段草地覆盖度的最优估算模型是DFI的乘幂模型(y=145.868^1.068,R²=0.451,RMSEP=4.573)。（3）构建多因子参数模型是提高草地覆盖度反演精度的有效途径。输入数据为多种植被指数和气象因子的多因子参数模型对祁连山东、中、西段草地覆盖度的估算精度最高,其多元线性模型的R²分别为1.000、0.730和0.885,RMSEP分别为3.485、11.573和4.375。气象因子的加入将中段以及西段多因子参数模型的估算精度分别提高了27.25%和68.49%,高于裸土指数和阴影指数对模型精度的提升（分别提高3.92%和26.42%）。（4）基于BPNN方法构建非参数模型对祁连山草地覆盖度的单因子、多因子模型估算精度的提升效果尤为突出。在祁连山中段,BPNN模型将3种植被指数（BNDVI、GNDVI、MSAVI）单因子最优估算模型的R²分别提高了0.168、0.131和0.099,RMSEP分别减小了11.602、8.343和8.939;在祁连山西段,BPNN模型将3种植被指数（DFI、NDVI、MSAVI）单因子最优估算模型的R²分别提高了0.322、0.422和0.300,RMSEP分别减小了3.312、2.855和6.562。在输入数据相同时,相较于多元线性模型,祁连山中、西段的多因子BPNN模型精度均有不同程度的改善。（5）祁连山自西向东的草地平均覆盖度呈现逐渐递增的趋势,东、中、西段平均年最大草地覆盖度依次为49.734%、41.035%和18.015%。2000-2019年以来祁连山地区草地覆盖度总体呈增加趋势,其东、中、西段平均增加值为4.222%、4.381%和2.673%。从草地覆盖度空间变化趋势来看,2000-2019年研究区内草地覆盖度主要呈不显著增加趋势,其面积占草地总面积的80.32%;从不同草地类型来看,各类型草地覆盖度变化也主要处于不显著增长的状态,其面积占各草地类型总面积的比例在68.775%⁹4.141%之间。