由于卫星遥感观测具有重访性特点，迄今已经积累了大量的各种地表参数遥感时间序列产品，这些时间序列数据较为真实地反映了地表在一个长时间范围内的动态变化情况，而植被状况是其中最直接也是最重要的反映之一，它与土地利用、气候、环境变化等各方面相关，因此对它的趋势时空动态变化的研究对遥感学科以及与之相关的各学科的发展有非常重要的意义。在表征植被的各种地表参数中，叶面积指数（LAI）与归一化植被指数（NDVI）是其中最重要的两个，因此本文选择了MODIS的LAI时间序列产品（2001～2007）及AVHRR GIMMS NDVI时间序列产品（1982～2006）进行时间序列分析的研究。　　 目前在遥感学科中已有许多用于时间序列分析的方法，但对于对时间序列数据建模并预测，以及直接对趋势信息分析的研究还不够深入。因此本论文主要致力于对遥感数据时间序列产品的分析、预测，对趋势信息的提取以及分析等研究。　　 本文通过对遥感时间序列数据的建模分析与预测的探索研究，弥补了这方面研究的不足，并为其他科学研究提供了一些基础。本文主要运用并比较了季节自回归滑动平均（SARIMA）、动态谐波回归（DHR）及基于LOESS滤波的季节趋势成份分离（STL）三种不同的建模方法，对LAI时间序列产品分析并建模，对全球共896个站点9类主要地物的LAI时间序列数据运用2001～2006年的数据建模并预测2007年LAI值，再通过与2007年LAI原始值的比较来分析三种方法对于遥感时间序列产品的适用性。研究结果表明：三种方法都适用于LAI时间序列的分析及预测，且在不同的地表覆盖、不同的数据质量等情况下，三种方法具有各自的适用性和优缺点。总体来说，对于季节变化明显的地类预测结果较好，而对于LAI值偏低及季节变化不显著的地类预测结果精度不高。　　 本文还进行了趋势信息的提取和研究，以往的一些趋势研究往往忽略了数据本身的一些问题，采用的方法没有充分考虑数据的情况，因此得到的情况并不是最准确的，而本文中所采用的方法在进行趋势分析时更合乎理论要求。本文主要对AVHRR GIMMS NDVI1982～2006年共25年的长时间序列的趋势情况进行了分析，在以往仅用线性回归拟合单调趋势的基础上进行了改进，充分考虑了遥感数据自身的情况，引入了非参数统计检验方法与之结合。通过对数据自身的分布状况检验，对其中不符合进行线性回归拟合的数据进行非参数分析，并考虑了91年火山喷发对数据的影响，因此得到了更准确的线性趋势信息。本文首先对黑河区域基于像元的时间序列进行了趋势分析实验，得到了合理的趋势时空分布结果，再将该方法运用到全国，并提取三北防护林、青藏高原等典型区域进行趋势结果分析。最终研究结果显示参数与非参数方法检验趋势结论可靠，研究区域得到的植被分布趋势的变化情况与温度、降水、城市化等因素相关。