中等分辨率遥感影像上存在大量的混合像元,在研究干旱绿洲区植被覆盖度问题时容易引起像元归类误判误分等问题。光谱混合模型模拟了像元的光谱组成,能够深入像元内部对各组成成分进行解混,以此来求取对应地表各种覆盖物的组成比例,进而得到亚像元精度的地表植被覆盖度。线性光谱混合模型是研究区域尺度像元光谱混合问题较为理想的模型。本文以Landsat-8OLI影像为数据源,经辐射定标、大气校正、几何校正和水体掩膜处理,获得研究区地表覆盖物真实反射率值,同时结合与影像数据准同步的实地样方测量数据,通过不同途径分别构建四端元模型、五端元模型和六端元模型,在线性光谱混合模型中分别对研究区影像进行逐像元分解,取得在不同端元模型下的研究区植被覆盖度,并结合实测数据进行验证。取得的主要结论如下。1、线性光谱混合模型,在不同的约束条件下,有不同的预期分解结果。其中,全约束条件下的线性光谱混合模型,其分解结果具有较好的物理意义,适用于植被覆盖度遥感估算研究。2、在线性光谱混合模型中,端元数量在理论上应不超过影像数据波段值,但受波段间的相关性影响,实际可构建端元取决于影像经过最小噪声分离变换(或者主成份变换)后,非噪声且不相关的光谱维数。多光谱数据自身波段数目有限,可以通过对原始影像扩维来增加光谱信息,提取更多数量的端元。3、四端元模型的建立基于传统V-I-S模型理论,对地表覆盖类型高度归纳；五端元模型的建立,针对研究区植被类型特征,在端元选择上进一步细分,在对影像扩维的基础上提取了代表荒漠植被的端元,参与模型分解；六端元模型的建立,重点参考了研究区实测的植被光谱信息,经光谱特征对比和实地论证,在五端元模型上,以实测植被光谱特征为主,加入新的类型的植被端元参与模型分解。4、经定性分析及样地实测数据验证,认为三种端元模型的遥感估算结果总体上均符合研究区植被覆盖度分布特征。其中五端元和六端元模型下的估算结果更加细致地展现了荒漠化植被大范围分布的状况,与实际情况相符,认为其具有较高的精度。从三种模型估算值与实测值回归分析来看,五端元模型的估算值与实测值相关程度最高,散点图离散程度最低。5、基于线性光谱混合模型的干旱区植被覆盖度遥感估算,其端元选择应以影像端元为主,以实测的植被光谱特征为参考。如果直接以参考端元代入模型计算,将引入误差,进而降低分解估算精度。6、通过制图分析,认为疏勒河流域山前平原区核心绿洲集中分布在三个县级行政中心及其周边位置,以人工绿洲为主。围绕核心绿洲区为植被覆盖度依次递减的天然健康植被,区域内荒漠稀疏植被分布较广,体现了区域荒漠化特征。区域内荒漠戈壁所占的面积最大。整体来看,山前平原区植被覆盖度空间分布特征受到当地水资源的空间分布和利用方式影响,大部分位置的植被覆盖度低于30%,其荒漠化程度较高。