本文主要探讨了利用MODIS长时间序列数据提取地表植被覆盖度信息的遥感反演方法。　　植被覆盖度是植被重要的直观量化指标，能够直接反应地表植被状况，利用遥感手段估算植被覆盖已经成为监测地表植被状况的一个重要手段。如何更好地发掘遥感信息，提高估算模型的反演精度，是本文的研究重点。　　本文在详细总结植被覆盖度的研究现状和主要监测方法的前提下，基于像元二分模型，根据归一化植被指数（NDVI）与植被覆盖度的相关性，推导了植被指数转换法计算植被覆盖度的反演模型。利用中国地区2000-2010年8天合成的MODIS-MOD09A1数据，计算得到相应MODIS-NDVI时间序列结果，在分析中国东北，华北，西南，西北4个典型区域NDVI变化曲线的基础上，指出了现有算法得到的植被覆盖度（fc）在获取纯植被像元的NDVI（NDVIveg）和纯土壤像元的NDVI（NDVIsoil）上的问题，并对算法进行了改进，提出利用时间序列数据反演植被覆盖度的一种新的方法。该方法针对MODIS数据空间分辨率低，但时间分辨率相对较高的特点，并引入土壤分类数据作为辅助数据，使用MODIS时间序列数据提取NDVI的最大值（NDVItmax）和最小值（NDVItmin），作为输入参数，最终构建了基于时间序列归一化植被指数（NDVI）的植被覆盖度（ftc）定量反演模型，实现了植被覆盖的遥感反演。　　为了证明方法的可行性，本文从两方面进行了分析验证。一方面，对新旧两种方法进行了对比验证，结果表明，两者在变化趋势上相对一致，反演结果上，ftc整体上要低于fc，其相对误差最高可达到49％。另一方面，由于地表实测数据的不足，选取了同期TM数据和SPOT分别对反演结果进行精度验证。在平均误差分析和线性拟合两个角度上，均得到了较好的结果，反演精度上ftc比fc总体上可提高5%左右，从而证明了利用MODIS长时间序列数据获取植被覆盖度是可行的。在反演算法的应用方面，本文针对我国三北防护林的建设情况，选取三北地区作为研究对象，利用反演得到时间序列结果，分析了该地区11年来的植被覆盖的变化规律，从较大的时间跨度上，反映了三北地区植被状况的总体变化趋势。　　同时，本文还对数据的选取和数据的预处理（包括MODIS数据，TM数据和SPOT数据的处理过程）做了相应的介绍，详细描述了算法实现的技术路线。不过，本文仅仅是对时间序列数据信息的初步挖掘，长时间序列遥感数据包含了大量的有用信息，理论上，本文提到的方法完全可以推广到更大范围，并且同样适用于其他类似MODIS数据的遥感数据源，对于时间序列数据的研究还需要不断地深入。