草原植被返青期可以反映陆地生态系统对环境变化的快速响应,是草原生态调控、放牧政策制定等的重要依据。目前,用于草原植被返青期监测的遥感影像空间分辨率大多较低,且受云、雨和雪等气象因素对传感器成像的影响,单一传感器有效影像大幅度减少,影像时间分辨率降低,难以实现同一区域高时间分辨率的连续监测。时空数据融合技术可以融合高空间分辨率影像的空间信息和高时间分辨率影像的时间信息,生成同时具有高时间分辨率和高空间分辨率的影像,在一定程度上弥补传感器技术的不足和气象环境对影像质量的影响。虽然现有时空数据融合算法较多,但各算法的原理有所差别,算法的优势和限制也不尽相同。鉴于此,本文以内蒙古呼伦贝尔和锡林郭勒为研究区域,针对草原返青期遥感监测中数据源时空分辨率不高的问题展开研究。主要研究内容及相应的结果如下:(1)引入3种时空数据融合算法,基于CUDA异构模型编程技术开发了相应的数据融合工具,处理形成了研究区高时空分辨率NDVI数据集,解决了草原植被返青期遥感反演时空分辨率较低的问题。(2)分析评价了不同融合算法和策略对地物空间格局和时空差异的适应性。研究结果表明:各算法对不同的地物空间格局均不具备普适性,当时空差异较大时,3种算法均不能较好地预测突发扰动信息。STDFA算法融合精度整体最高,STARFM、USTARFM算法次之。相对于反射率融合,NDVI融合对不同地物空间格局和时空差异具有更好的适应性。(3)对比分析了不同融合算法构建的长时间序列高时空分辨率NDVI数据在草原植被返青期反演中的成效。研究结果表明:时空数据融合生成的高时空分辨率NDVI数据可以一定程度上提高草原植被返青期反演精度,其中STARFM算法的融合数据反演返青期整体上与地面采样点实测值最为接近。当返青期邻域内基期Landsat数据缺失时,3种融合算法各融合数据返青期反演精度均不同程度降低,其中STARFM算法受数据缺失影响最小,其次是USTARFM算法。(4)非时间序列数据融合精度的高低并不能决定算法在长时间序列数据中融合精度的高低。综合考虑各算法和融合策略的优势和限制,利用STARFM算法对NDVI进行融合,更适合草原地区高时空分辨率NDVI数据的构建。