摘要：高光谱遥感反演LAI时，由于实际样本数远小于光谱维数，易导致基于全谱段建立的模型不稳定。针对该问题，该文提出将基于原始光谱反射率与LAI相关性和基于光谱曲线特征的2种波段选择方式分别与主成分回归（PCR）或偏最小二乘回归（PLSR）结合的高光谱维数约简方法，估算冬小麦LAI。并选择归一化植被指数（NDVI）、增强型植被指数（EVI）、重归一化植被指数（RDVI）、修正土壤调节植被指数（MSAVI）和三角形植被指数（TVI）5种代表性植被指数，利用2009、2010年实测大田冬小麦冠层高光谱和LAI数据，将提出的基于维数约简的方法与基于植被指数的LAI估算方法进行了比较，独立样本集验证结果和交叉验证结果均表明，提出的基于维数约简的方法比基于植被指数方法的估算精度高，在交叉验证结果中，基于维数约简的方法R2最高达到0．818，相应RMSE为0．685。该研究可为后续基于高光谱的LAI估算提供参考。

关键词：遥感 光谱分析 回归分析 植被指数 维数约简 

单位：浙江大学遥感与信息技术应用研究所; 杭州310029; 北京农业信息技术研究中心; 北京100097