雪灾是我国发生频率最高的自然灾害之一,严重影响我国牧区畜牧业发展、人民生产与生活,给国民经济造成巨大损失。及时、准确地获取积雪覆盖的空间分布范围,有利于对雪灾灾害强度、灾情要素等进行有效地评估,对牧区的抗灾救灾工作具有重要意义。卫星遥感具有覆盖范围广、空间分辨率较高等特点,在积雪覆盖信息提取方面表现出很大优势,对于牧区雪灾灾情评估具有重要作用。本文以MODIS影像和HJ-1-B影像为数据源,以“算法与模型建立—应用分析”为主线,分别研究了亚像元尺度和像元尺度上的雪盖信息提取算法。利用地理信息系统(GIS)空间分析技术和雪灾灾害模型进行雪灾灾害强度和灾情要素的分析评估。本文的主要内容包括：(1)基于MODIS数据的亚像元雪盖信息提取算法。以环境与减灾卫星(HJ-1-B)数据作为地面真实值计算MODIS影像上中逐像元的积雪覆盖率,并与归一化雪被指数(NDSI)建立回归模型,从亚像元尺度反演MODIS数据的积雪覆盖率。以青海省玉树州的部分地区为研究区,实验结果表明该算法反演的雪覆盖率精度较高,平均绝对误差均在0.2以内。此外,在积雪覆盖率反演基础上,提出了与积雪覆盖率相关的另外两个相关因子：地表温度(LST)和植被指数(NDVI)。结果表明,这两个因子与积雪覆盖率均存在显著的负相关关系,这为基于多因子的积雪覆盖率估算奠定了基础。(2)基于AdaBoost算法的二值雪盖信息提取。AdaBoost算法是一种具有自适应性的机器学习算法。首先,根据积雪在可见光波段的高反射率(0.4～0.7μm)和近红外波段(1～4μm)的低反射率这一光谱特性,构建雪盖信息提取的特征集。选取HJ-1-B卫星CCD数据的前三个可见光波段和CCD数据第4波段、红外相机第1、2波段以穷举的方式构造9个NDSI特征,再加上原始的6个波段,总共构建了15个特征。然后,通过迭代学习,选择最优的特征,每个特征作为一个弱分类器,并组成一个强分类器。最后,将该强分类器在模拟数据集上进行算法的应用研究,结果表明基于AdaBoost算法的组合分类器能够有效地提高单一分类器的分类精度,并且对疑难类别的识别具有很大的改善作用。以我国青海省为研究区,将该算法用于HJ-1-B数据的二值雪盖信息提取,实验结果进一步表明：基于Adaboost算法的雪盖信息提取,不仅可以利用弱分类器组合的特征,提高积雪识别精度(积雪识别精度>92%),而且还可以自动选择最优的NDSI波段组合,并确定合适的阈值。(3)在雪盖范围研究的基础上,根据雪灾灾害时空演变进程和减灾救灾应用业务流程,结合GIS技术,确立了雪灾灾害强度与灾情要素评估的五个内容,包括雪灾灾害强度评估、雪灾灾害范围评估、雪灾畜牧业受灾评估、雪灾生命线工程损毁评估和雪灾人口受灾评估。针对每个评估对象,建立相应的评估模型。以阿勒泰牧区雪灾为例,利用2010年初阿勒泰牧区特大雪灾的相关数据对此次雪灾的灾害强度和畜牧业受灾情况进行评估。验证结果表明,评估结果与实际情况基本一致。