全球气候变暖已成为21世纪人类共同面临的严峻挑战。通过森林来实现间接减排，成本低、易施行、综合效益大，是目前应对气候变化最经济、最现实、最有效的重要途径。灌木林是森林的重要组成部分，不仅是重要的生态林，而且是经济效益很高的商品林。灌木植被在区域生态保护、恢复和重建乃至全球气候和生物地球化学循环中起着非常重要的作用。我国有广大的灌木林面积分布，灌木林面积占国土面积的3％左右。生物量是灌木固碳能力的重要标志。本文以毛乌素沙地为研究区，基于LandsatTM多光谱影像，以地形地貌和气候数据等为辅助数据，结合星地同步野外实验，估算研究区的灌木生物量。在光谱特征分析的基础上，基于经验统计模型、机器学习模型以及几何光学模型分别估算得到研究区的灌木生物量，结合野外实验获得的实测生物量数据，对不同方法的估算结果进行验证和对比分析，从而针对该研究区，对不同灌木生物量估算方法的适用性进行评价，为以后的理论研究和实际应用提供借鉴和参考。　　 首先，基于实测光谱数据分析毛乌素沙地灌木植被和背景的光谱特征。我们对实测光谱数据进行平滑降噪处理，应用植被光谱维特征提取模型定量描述毛乌素沙地灌木植被的光谱特征，并从光谱特性上比较区分植被和背景。分析结果显示，五种植被类型的光谱差异并不明显，植被与背景光谱的差异显著，但是由于裸地在近红外波段的高反射率，且植被稀疏，背景信息造成混合象元，使得遥感影像波段反射率区分植被和背景受到干扰。因此，我们比较阈值分割法和遥感影像分类方法来提取灌木的分布信息，选取准确率为90％的精度较高的分类方法对非植被区域进行掩膜处理。　　 其次，分别基于经验统计模型和物理模型对毛乌素沙地灌木生物量进行遥感估算。经验统计模型方法主要应用多元逐步回归和随机森林等智能算法，建立遥感光谱与实测地上生物量的相关关系，从而估算出区域地上生物量。选取的遥感因子包括原始波段反射率，多种植被指数，K-T，K-C变化、地形因子等共18个，通过相关性分析，建立实测毛乌素沙地灌木地上生物量与各遥感之间的一元线性回归模型。比值植被指数(RVI)与灌木生物量的相关性最高。应用多元回归分析的方法建立最优回归模型，分为两组进行建模，A组为18个遥感因子，B组为TM影像的6个原始波段反射率，得到两个最优回归模型。基于随机森林模型及不同波段组合来建立灌木生物量回归模型，选取仅纳入波段反射率的随机森林模型估算灌木生物量。物理模型主要是应用冠层几何光学模型反演可从遥感光谱信息直接得到的生物物理或结构参数，如植被覆盖度、叶面积指数、冠层高度等，通过这些参数与地上生物量的关系估算区域地上生物量。灌木生物量的反演策略分为两个步骤，第一步先建立生物量与遥感可获取的生物物理参数之间的经验关系，11种拟合方式显示，灌木生物量与LAI的相关性最高，相关系数为0.814;第二步是从遥感影像反演LAI，本文采用简单几何光学模型和线性光谱分解混合模型反演得到LAI，决定系数为0.6704。最终得到毛乌素沙地灌木生物量反演结果，决定系数为0.7019。　　 最后，对多种毛乌素沙地灌木生物量的遥感估算方法进行评估并分析了灌木生物量的时空动态变化。针对不同的研究区和植被类型，各种生物量估算方法精度不同，效果各异。结合野外实测数据，对上述多种毛乌素沙地灌木生物量估算模型进行定性及定量的评估和比较，发现基于缨帽变换的亮度指数和比值植被指数建立的回归模型在估算灌木生物量是具有较高的精度和稳定性，因此，采用该模型估算2000年、2001年、2007年、2009年、2011年五个时相的灌木生物量的动态变化，并结合自然及社会因素分析了变化的驱动力。　　 本文的主要创新点可以概括为以下四点:　　 1)基于大量野外实测数据，分析多种灌木植被的光谱，并探索灌木信息遥感提取方法;　　 2)首次尝试基于非参数的机器学习模型构建毛乌素沙地灌木生物量估算模型;　　 3)首次建立基于几何光学模型和象元二分模型的毛乌素沙地灌木生物量估算模型;　　 4)定性和定量的比较经验统计模型、机器学习模型、几何光学模型估算灌木的生物量的精度及实用性，为实际应用中选择合理的方法提供科学依据。