草地是全球植被中面积最大的一类可再生性自然资源,在生态环境中起着举足轻重的作用。新疆是植被生态较脆弱的地区,草地生态表现更为显著,对气候和环境变化的影响十分敏感。在新疆呈暖湿化趋势的气候变化背景下,结合机器学习技术研究新疆草地与气候变化间时空偶合关系,不但有助于认识气候变化对草地覆盖的影响,而且有助于探索机器学习在非线性生态系统中的应用,为制定科学合理的草地恢复战略提供依据,及机器学习在农林业相关领域的应用提供参考。论文基于MODIS NDVI数据、气候数据和辅助数据,通过空间分析、统计分析和机器学习等方法,分析了2000～2015年不同时间尺度上新疆草地及草地地区气候时空变化特征,探讨了草地NDVI与降水量、气温和日照时数的相关关系,并利用机器学习算法构建了草地覆盖与气象等影响因子关系模型。主要研究内容和结果如下:（1）通过对草地覆盖时空变化研究发现,新疆草地覆盖和气候的空间分布南北差异性较大,2000～2015年间气候总体呈暖湿化发展趋势,草地覆盖总体以改善为主（74%）,NDVI呈现出不显著增长趋势（0.0006/a）。受到地理环境等因素的影响,新疆草地地区气候存在地域差异,草地覆盖表现为南疆面积小覆盖低,北疆面积大覆盖高,高覆盖草地主要集中在北疆。（2）在草地覆盖对气候变化响应的研究中得出,草地NDVI与气象因子的相关性在生长季、春夏秋季和月尺度上不尽相同。生长季新疆草地NDVI与降水量呈显著的正相关关系（相关系数0.6978）,而与气温呈不显著的负相关关系。从季节上看,新疆草地在不同的季节对水热条件的需求不同,春季草地覆盖与气温呈显著正相关（相关系数0.5703）,而与降水量和日照时数正相关性不显著;夏季草地覆盖与降水量呈极显著正相关（相关系数0.7578）,与气温和日照时数为不显著负相关;秋季草地覆盖与降水量、气温和日照时数均有显著相关性,其中与水分因素为显著负相关,与光热因素为极显著正相关（与气温的相关系数达到0.8157）。从月尺度上看,草地NDVI在不同月份对水热需求是互斥的。草地返青期和枯黄期的各月与热量因子为正相关关系时,与水分因子则为负相关关系;而在草地生长期的各月与水分因子表现为显著正相关关系,此时与热量因子为负相关关系。（3）在构建草地覆盖回归模型中,将深度学习与传统回归做对比,实现基于深度学习的草地NDVI与不同影响因子数据集关系模型的构建。深度学习能够建立从分布范围较广的草地中抽取出复杂影响因子的模型,形成NDVI数据的非线性特征,且预测效果明显优于线性模型,能够实现基于各类影响因子对NDVI的预测,可用于大尺度范围草地覆盖与影响因子关系建模。在构建草地覆盖等级分类模型中,研究分别利用决策树、随机森林、支持向量机、k-近邻和神经网络等经典机器学习模型实现模型构建,其中随机森林和k-近邻算法构建的模型在不同时间尺度和不同数据集上的准确率均较高,随机森林算法在各季节模型等级预测中更优。各种模型对不同草地等级预测精度也有所不同,表现为高覆盖>低覆盖>中覆盖。通过对回归模型和分类模型的研究发现,基于机器学习算法构建的模型更适合多特征研究分析。通过对各类模型准确率分析得出,春季新疆草地覆盖受各种影响因子影响较大,夏季草地覆盖与气象因子的相关性较低。