植被覆盖度不仅是衡量地表植被生长状况的一个重要指标，而且还是土壤侵蚀的重要影响因素。西藏“一江两河”地区生态环境脆弱、土壤侵蚀严重，对人类活动跟气候变化响应较为敏感，因此对该区域的植被覆盖度进行研究极具科学价值。基于研究区高时空分辨率遥感数据缺乏的现状，本研究旨在探索高时空分辨率的植被覆盖度数据的构建方法，主要聚焦于两个问题:一是如何构建高时空分辨率的遥感数据;二是在高时空分辨率遥感数据的基础上，怎样准确估算出植被覆盖度。本研究取得的成果主包括一下几个方面:　　 (1)基于多源多时相遥感数据，采用基于规则的面向对象分类方法实现了研究区地表覆被分类，分类总体精度为89.28％。　　 (2)针对已提出的各类云去除方法在实际应用中存在的局限性，本研究将时空数据融合模型引入到云去除方法中，提出了一种基于时空数据融合模型的TM影像云去除方法。在修复后的影像中，替换区域与无云区域色调基本一致;通过无云区TM合成数据间接对替换云及其阴影区数据的精度评价，结果表明:替换数据各波段整体精度优于83％，平均精度为87.15％。　　 (3)针对增强时空适应反射率融合模型(ESTARFM)在归一化植被指数(NDVI)预测应用上存在的不足，引入通过地表覆被类型选择相似像元的思想对模型进行改进并实现了研究区植被生长峰值阶段归一化植被指数(NDVI)的构建。　　 (4)实现了研究区高时空分分辨率植被覆盖度的构建。基于地表覆被类型与植被生长峰值阶段的归一化植被指数(NDVI)数据，综合应用等密度、非密度亚像元混合模型估算研究区植被覆盖度的总体精度约85％。　　 本研究通过时空适应反射率融合模型(ESTARFM)有效地将TM的高空间分辨率与MODIS的高时间分辨率特点结合在一起，实现了研究区植被生长峰值阶段归一化植被指数(NDVI)的构建。通过以生长峰值阶段的归一化植被指数(NDVI)为输入数据，提高了亚像元混合模型在植被覆盖度估算时对输入数据的抗扰动性。经野外实测数据验证，植被覆盖度的估算精度约85％，这表明:本研究所提出的方法能够实现对缺少高时空分辨率遥感数据区域的植被覆盖度估算。