随着工农业生产的迅速发展，人口的急剧增加，人类对植被能源与物质的需求量剧增，为实现植被资源的可持续利用，植被生物量、生产力的实时监测尤为重要。鉴于单一遥感数据时空分辨率的限制，首先引入了多源遥感数据融合技术，以获取高时间、中空间分辨率遥感数据，用以草场生物量的动态估算及植被生产力的估算，并进一步讨论了生物量的时空变化趋势及生产力估算结果的影响因素。本文选取干旱半干旱区，主要在以下几个方面开展研究工作，并获得以下结论:　　(1)基于30 m Landsat TM及500 m/8d的MODIS(Moderate-resolution ImagingSpectroradiometer)数据，针对时空自适应性反射率融合模型(Spatial and temporal adaptivereflectance fusion mode; STARFM)研究比较反射率、植被指数两种不同输入数据STARFM的融合结果精度。结果发现不论是从空间效果，还是用选定的均值、标准差、绝对差值、均方根误差、结构相似度、相关系数等统计指数标定，较融合反射率数据，直接融合植被指数数据STARFM融合效果更好，为后续的研究提供高时间、中空间分辨率数据支持。　　(2)以实时动态监测草原生物量为目的，以锡林浩特为实验区，基于STARFM融合技术获得的高时间、中空间分辨率NDVI(Normalized Differential Vegetation Index)数据，结合实测生物量数据分别建立线性、二次、幂、指数函数回归模型，其中指数模型最优，R2最大且RMSE最小，分别为0.832，28.653 g/m2。　　(3)以原始MODIS NDVI数据与STARFM融合后NDVI数据分别作为自变量，建立指数模型，基于融合后30m分辨率NDVI建立的指数模型(R2为0.832，RMSE为28.653g/m2)，相较基于原始500 m分辨率的MODIS NDVI数据的模型(R2为0.761，RMSE为32.521 g/m2)，在模型精度有所提高的基础上，分辨率提高到30 m/8天。因此基于融合后NDVI建立的生物量估算模型可以对锡林浩特草原地上生物量进行实时监测及时空变化趋势分析。　　(4)基于GPP(Gross Primary Productivity)估算模型-植被光合模型(VegetationPhotosynthesis Model，VPM)，选取干旱、半干旱区森林、农田、草地的混合区，对比分析基于不同土地覆盖类型数据源、不同分辨率植被指数数据VPM区域外推估算的结果。结果发现基于不同土地覆盖数据源(TM、AVHRR、MODIS)的VPM估算的年GPP量分别为95.8 Tg C/a、97.1 Tg C/a、92.2 Tg C/a;基于不同分辨率植被指数(30 m、500 m、1000 m)的VPM估算的年GPP量分别为48.8 Tg C/a、97.0 Tg C/a、95.8 Tg C/a。说明VPM区域外推估算结果不仅受土地覆盖类型数据源也受植被指数分辨率的影响。　　(5)基于光能利用率模型VPM，利用STARFM融合获取的30m分辨率植被指数与MODIS合成的500 m分辨率的植被指数分别反演GPP，对比分析VPM区域外推反演获取的30m、500 m分辨率GPP产品精度。结果发现在VPM模型精度有所保证的同时(R2为0.70，RMSE为1.35 g C/m2/d)，融合高时间、中空间分辨率植被指数数据将VPM模型的空间分辨率提高到Landsat级，时间分辨率提高到MODIS级(30 m/8天)。