农作物的叶面积指数LAI作为一个重要的生物物理参数在反映作物生理过程和生态系统功能方面起着不可替代的作用。估算农作物的LAI及其在农田景观内的空间变化对作物长势与病虫害监测产量估算以及田间管理都有重要意义,此外叶面积指数对作物估产、环境监测等都具有十分重要的意义。　　 本文基于国家精准农业示范基地实测试验数据和辐射传输模型模拟数据,研究出一套适用于环境一号卫星CCD相机数据的叶面积指数反演算法。针对环境卫星CCD相机的波段特征,在植被指数构造时,引入修正大气、土壤背景影响的蓝、绿波段,构建了避免过早饱和的环境植被指数(HuanJing Vegetation Index,HJVI),有效的避免了植被指数“饱和现象”的过早出现,提高了植被指数对LAI的敏感性。同时又将能反映植被结构状况的“热暗点”指数HDS,作为HJVI的修正因子,引入到植被指数构造中,研制出包含植被结构信息的多角度植被指数HDS＿VI,进一步改善植被指数的“饱和现象”,提高植被指数与LAI的敏感性,从而提高基于植被指数的LAI反演模型的精度。本文基于不同植被指数建立统计模型和神经网络LAI反演模型,并对比不同模型对LAI反演结果的优劣,提出一套精度较高,较为实用的LAI反演模型。并将不同的模型应用于环境星数据的LAI反演,并检验反演的真实性,从而为植被指数反演大面积应用打下基础。　　 本论文的研究工作承国家自然科学基金研究项目:“基于多波段作物遥感辐射模型的LAI协同反演与真实性检验研究”和科技部重点国际合作作项目:“城市生态空间信息高分辨率遥感定量反演与真实性检验研究”项目的联合资助,在此特表示感谢!