玉米作为我国旱地农作物代表之一,其种植面积仅次于小麦和水稻,对玉米的生长动态进行监测是现阶段我国玉米农作物研究的重点。叶面积指数(LAI)是反映作物叶片数量和有效监测病虫害的参数,是描述植被生长状况的一个重要指标,对预测农作物生长趋势和产量有着重要的意义。本文以2017年内蒙古达拉特旗昭君镇精准灌溉实验基地的玉米为研究对象,利用自主研发的六旋翼无人机搭载RedEdge五波段多光谱相机对试验区进行遥感影像获取,利用LAI-2200冠层分析仪实测地面玉米的叶面积指数,基于5种常用植被指数(归一化差值植被指数NDVI、优化土壤调节植被指数OSAVI、土壤调节植被指数SAVI、增强型植被指数EVI、重归一化植被指数RDVI),针对不同水分胁迫处理下大田玉米进行了叶面积指数的反演研究。本文的主要研究内容如下:(1)针对无人机飞行参数不同所导致遥感影像产生畸变的问题,在玉米遥感影像数据获取过程中,进行多次试验对比得到最佳的飞行参数。结果表明,当无人机飞行高度为70m,航向重叠度为80%和旁向重叠度为70%时,能够得到效果最好的遥感影像数据。(2)利用一元线性回归法,在水分胁迫和无水分胁迫条件下,分别构建植被指数与叶面积指数的回归模型,并利用决定系数、均方根误差进行精度评价,寻找出较好的叶面积指数反演模型。结果表明,在无水分胁迫的条件下,各个阶段较佳的模型为:拔节期的SAVI-LAI模型,生长期的EVI-LAI模型以及成熟期的EVI-LAI模型精度较好,决定系数分别为0.646、0.736和0.771。在有水分胁迫的条件下,各个阶段较佳的模型为:拔节期NDVI-LAI模型,生长期的EVI-LAI模型以及成熟期的EVI-LAI模型精度较好,决定系数分别为0.863、0.751和0.645。(3)利用多元线性回归法,构建了观测阶段不同水分胁迫下多种植被指数与叶面积指数的回归模型。得出在无水分胁迫的条件下:拔节期的回归模型决定系数为0.819,生长期的回归模型决定系数为0.832,成熟期的回归模型决定系数为0.834。在有水分胁迫的条件下:拔节期的回归模型决定系数为0.926,生长期的回归模型决定系数为0.849,成熟期的回归模型决定系数为0.770。(4)利用支持向量机,将EVI、OSAVI、SAVI、NDVI和RDVI植被指数组合作为输入量,叶面积指数为输出量,进行支持向量机模型的构建。将训练得到的模型进行预测,发现支持向量机模型效果较好,在无水分胁迫的条件下,决定系数达到了0.853,在有水分胁迫的条件下,决定系数达到了0.851。(5)将得到的一元线性回归模型、多元线性回归模型和支持向量机回归模型进行精度评价。发现支持向量机模型是最佳的反演模型,在无水分胁迫的条件下,其精度达到了91.3%,而在有水分胁迫的条件下,其精度达到了90.5%,较其他模型均有提高。因此利用支持向量机模型对观测阶段的玉米遥感图像进行了LAI反演,得到LAI空间分布图,比较后发现在水分胁迫下玉米的叶面积指数变化范围在0.9~1.7之间。通过研究可知:利用无人机多光谱遥感影像对不同水分胁迫下的大田玉米进行快速、大范围监测是可行的,为指导作物灌溉用水提供了依据,有力地推动了我国农作物遥感理论的研究与应用。