大田种植是新疆农作物的主要种植方式,作物长势监测是对作物生长全周期状况及其变化的监测,是反映农情信息、指导生产和宏观管理决策的重要依据。叶面积指数是描述植被冠层结构的众多参数之一,是冠层结构和作物长势的重要参数,又是表征生物量和作物产量的关键因素。在农业精细遥感监测中,如何快速获取农作物叶面积指数,对农作物长势进行评判非常重要。目前,利用遥感技术对农作物进行大面积的资源调查和遥感监测从技术角度上已较为成熟,但利用新型传感器如高精度激光雷达来反演叶面积指数的研究还较少。本文的研究工作是利用无人机机载LIDAR技术,结合多光谱遥感技术实现对农作物LAI的反演。主要内容、成果和结论为:1、基于不同飞行平台的飞行规划及数据获取方案。利用无人机快速高效的特点,选择合适的研究区,获取激光雷达和多光谱数据。解决了数据获取过程中覆盖度计算、飞行航线设计、地面靶标铺设,数据匹配等问题,为获取有效数据奠定基础。2、无校正点的机载LiDAR农作物点云数据精度评价。在分析机载激光雷达点云获取与定位模型的基础上,从系统误差和随机误差两个方面定量化描述与分析激光测距误差和动态时延误差。利用点云脚点的空间拓扑关系,得到拟合高程模型真值与平面模型拟合方程,以此为基础进行无校正点的点云数据精度评价。实验结果表明高程精度最大残差值为5.6cm,平面精度最大残差值为2.78cm,验证了作物冠层参数提取数据精度的有效性。3、近地机载激光雷达农作物LAI反演方法。基于小光斑LiDAR获得高密度点云数据,分离地面点与非地面点,通过预处理后的棉花高密度点云数据,得到研究区棉田数字表面模型（DSM）和数字高程模型（DEM）,通过差值运算获得其冠层高度模型（CHM）,进而提取有效的冠层结构参数。利用相关性分析法选取相关系数大于0.2的激光穿透力指数（LPI）、回波点云密度（D）、孔隙率(f_gap)、归一化高程值(V_nDSM)构建棉花LAI反演模型,并与实测叶面积指数进行精度验证与评价。实验结果表明:模型估算的LAI与实测LAI之间的相关性为0.824,均方根误差为0.072。4、基于多源遥感数据的农作物LAI反演。利用激光雷达与多光谱传感器同时获取农作物垂直及水平结构参数,通过逐步回归方法获得与实测LAI相关性较高的光谱参数:优化的叶绿素吸收率指数(MCARI₆₅₆),改进的叶绿素吸收率指数（TCARI）以及LiDAR冠层参数:激光穿透力指数（LPI）、回波点云密度（D）、孔隙率(f_gap)等参数进行叶面积指数反演,估算LAI值与实测LAI值相关性为0.85。进而优化了激光雷达反演农作物LAI的模型。