早期对植被类型的划分主要是利用人工方法进行实地调查。不过，自然界的植被类型繁多，其生长环境状况又复杂多样，仅依靠传统方法完成植被分类，需要耗费大量人力和物力，而且许多环境恶劣及交通不便的区域又是人类难以到达的[ 17 ]。近年来随着遥感、地理信息系统和全球定位系统的发展，基于遥感影像的植被分类经历了目视解译、监督分类与非监督分类、人工神经网络、模糊数学、专家系统分类、决策树和面向对象等发展阶段，这些技术方法都为当今的植被制图提供了一种全新的途径[ 18 ]。当今，决策树分类的方法因其灵活性和快速性的优点在植被分类中较为常用[ 19 ]，将重庆市区东北部的渝北区(面积为1452 km²)分为水体、建设用地、林地、草地、耕地五种类型，其最优分类结果总精度为88.42%，Kappa系数为0.8547；[ 20 ]在青藏高原的温泉地区(面积约为1000 km²)划分植被类型为高寒草甸、高寒草原、高寒灌丛、高寒沼泽草甸和非植被五种类型，分类结果总精度为72%，Kappa系数为0.6。

全球模型对青藏高原多年冻土区植被类型分布的模拟结果很多[ 21 ]。植被分布状况多来源于植被模型，如基于生物地理学的BIOME1 [ 22 ]，基于生物地球化学的TEM [ 23 ]和CENTURY [ 24 ]，耦合二者的MAPSS [ 25 ]、BIOME3 [ 26 ]和BIOME4 [ 27 ]，以及基于生态系统过程的动态模型IBIS [ 28 ]和LPJ [ 29 ]，此外还有任继周依据水、热的客观过程提出的综合顺序分类法[ 30 ]等。同时，各种土地利用分类产品也被广泛应用于有关植被类型的研究中[ 31 ] [ 32 ]，如MODIS的MCD12产品。还有一种是根据野外调查和多种资料汇总后绘制植被类型图的方法[ 33 ]。

现有针对云贵高原植被类型制图的结果较少，早期的研究多是从全国植被类型图中提取[ 34 ]，该结果完成于2000年以前，因此迫切需要更新云贵高原的植被类型分布状况。

植被盖度是衡量地表植被状况的综合量化参数，而且也是描述生态系统的基本指标，在对区域生态系统的研究中极为关键[ 35 ] [ 36 ]。该参数广泛应用于有关植被退化的荒漠化研究中[ 37 ] [ 38 ]。

最早的植被盖度研究方法是野外植被调查，早在20世纪70年代初就有科学家系统的提出了植被盖度地面调查法。之后[ 39 ]使用数字相机(Digital Camera, DC)获取彩色数字影像计算植被盖度，借助一些图像处理软件(如Photoshop、ArcGIS、ENVI和ERDAS等)，使植被盖度的计算变得更加简单、快速，也更加准确[ 40 ]。虽然通过数字相机法计算植被盖度比传统植被调查更加方便、准确，不过该方法局限于小区域的研究，对大区域乃至全球尺度的植被盖度进行监测时却需要借助遥感影像完成。利用遥感影像研究植被盖度的机理是因为植被和其他地物类型在可见光和近红外波段内存在明显的反射率差异[ 41 ]。一般而言，利用遥感影像反演植被盖度的方法主要包括经验法(Empirical Methods, EM)和植被指数法(Vegetation Index, VI)。例如，在半酸性土壤区[ 42 ]，使用Landsat TM 5资料估算了植被盖度；在蒙古和日本[ 39 ]，通过4种线性回归模型拟合了植被盖度；此外[ 43 ]，利用ERS-2的ATSR-2 (Along Track Scanning Radiometer，ATSR)数据的4个波段(555 nm、670 nm、870 nm和1630 nm)构建了线性回归关系研究植被盖度与叶面积指数之间的关系，并指出利用4个波段的线性混合模型估算植被盖度比简单的植被指数更有效。以上几种经验法极大地依赖特定区域的野外调查数据，而且植被盖度的反演结果在某一个特定的小区域内具有较高精度，但是当将其应用于其他地区或者大区域监测植被状况时会存在许多限制，导致其准确率下降。植被指数法主要是建立植被盖度同各种植被指数之间的关系，最终用以反演研究区的植被盖度。现有的植被指数不少于40种，例如，归一化植被指数(Normalized Differential Vegetation Index, NDVI)、增强型植被指数(Enhanced Vegetation Index, EVI)、垂直植被指数(Perpendicular Vegetation Index, PVI)、土壤调节植被指数(Soil Adjusted Vegetation Index, SAVI)等，所有的这些植被指数都在生态、环境和农业等领域中有着广泛的应用[ 44 ] [ 45 ] [ 46 ]。相比经验法，植被指数法是一种更符合实际状况的算法，而且在大区域尺度进行反演时并不需要借助地面调查资料。同时，一旦有大量的野外调查数据作为支持，植被指数法就能够作为一种可以推广到更多地区的通用方法反演植被盖度。尽管如此，在特定的区域植被指数法的准确率要低于经验法，因为植被盖度同植被指数之间的关系依然难以精确量化。

因此，不得不寻求一种新的方法，既能保证野外调查的样本数量，又能通过样本合理的表达像元内植被的实际分布状况。近年来，无人机技术正因兼具以上两项研究需求，在生态、环境、地质等工作领域得到广泛应用[ 47 ] [ 48 ] [ 49 ]。该技术不仅能够有效的提供大量野外调查样本数据，又能全面展现遥感影像中像元所包含的地表下垫面特征。

植被破碎化是植被中各物种之间的空间联系断裂或连接性减少的现象[ 50 ]。不同斑块具有不同的性状、面积大小和数量差异，这些性质会显著影响水分、物质、能量和养分在斑块系统中的分布[ 51 ]。斑块破碎化是由于人为因素或环境变化而导致景观中面积较大的自然栖息地不断被分隔或生态功能降低而形成的[ 52 ]，其严重程度由气候[ 53 ]、动物[ 54 ]或人类活动[ 52 ]的多种因素作用所决定。植被斑块的破碎化会引起斑块性状、数目，以及内生环境3个方面的变化，严重时不仅会造成外来物种入侵、降低生物多样性、改变生态系统结构，还会影响植被系统的稳定性，减弱生态系统的干扰阻抗与恢复能力[ 55 ]。

喀斯特石漠化区域，由于人类不合理活动的干扰，加剧了脆弱岩溶山区的石漠化进程[ 56 ]。在山地条件限制下，人为干扰越来越多的影响到环境，使得石漠化斑块日益扩张[ 57 ]。利用植被斑块指标来认知石漠化的成因，可以揭示岩溶景观格局特征与植被之间的关系，还可以合理调节岩溶山区的人地关系从而规范未来人类行为[ 57 ]。

石漠化指在湿润、亚湿润气候环境和喀斯特地质环境的基础上，受人类社会经济活动的干扰破坏和气候变化因素的叠加影响，造成植被减少，水土流失状况严重，基岩大面积裸露，土地生产力丧失，形成的类似石质荒漠景观[ 5 ]。喀斯特地貌类型覆盖全球面积的10%左右[ 14 ]，其脆弱的生态环境已成为当前学术界的研究热点[ 58 ]。大量的研究在欧洲地中海盆地[ 59 ]和第纳尔喀斯特[ 60 ]展开，此外在伯利兹、危地马拉、墨西哥、以色列和琉球群岛也有相关研究进行[ 58 ]。

目前，国内的工作主要从环境地质、地理地貌、地表作用过程及人地关系等角度展开对喀斯特石漠化的研究，并尝试揭示其演化的驱动机制[ 4 ] [ 61 ]。有关石漠化空间格局的研究主要通过遥感影像和地面调查资料结合，提取石漠化分布现状，然后通过统计方法分析石漠化的驱动机制[ 62 ]。在贵州喀斯特地区将石漠化划分为6个等级[ 63 ]。利用相关分析、因子分析及多元回归分析方法反演了广西的石漠化状况。中国地质科学院岩溶地质研究所于2003~2005年利用遥感技术探查了西南地区石漠化分布现状。国家林业局于2004~2005年采用地面调查与遥感技术相结合、以地面调查为主的技术方法，摸清了西南喀斯特石漠化的分布状况[ 64 ]。探讨了粤北典型岩溶山区的土地石漠化类型变化及其景观格局时空动态特征[ 65 ]。利用3期石漠化数据(1986、1995、2000年)，借助空间分析和转移矩阵方法，评价了贵州省石漠化的时空演变过程[ 66 ]。在广西大化县利用线性光谱分离方法和高光谱影像对不同石漠化程度区域的面积进行了反演。

在石漠化驱动机制的定量研究方面，针对自然因素的定量化研究发展较快，通过统计不同岩性、不同坡度等级和不同地貌类型中各级石漠化强度所占的比重，来定量描述自然因素对石漠化的影响[ 62 ] [ 63 ]；相比之下，人文因素方面的定量化研究则一直比较薄弱，主要是按照行政单元采集人文影响因子，通过统计学分析方法来研究石漠化与人文因素的关系[ 62 ] [ 63 ]；不过，也有一部分研究从人地关系的角度探讨喀斯特地区环境退化问题，系统研究了土地利用/土地覆盖状况对土壤侵蚀、土地退化及生态重建的影响[ 4 ] [ 67 ] [ 68 ]。在长顺县揭示了人类活动对石漠化程度的驱动作用，得出结论在2000~2010年期间，人类活动减缓了石漠化进程，并提出一种可以有效的定量计算人类活动对石漠化影响的模型(SOI) [ 1 ]。分析西南8个省153个气象站点温度和降水数据后指出气候对石漠化进程的作用同样不容忽视[ 14 ]。得出相似的结论，气候变化对喀斯特区域产生的退化作用明显大于非喀斯特区域。