叶面积指数(Leaf area index，LAI)指单位地表面积上的叶子总面积的一半，是一个无量纲的值，是植被结构参数化的重要参数，也是其他学科模型，比如作物生长模型、大气模型、水循环模型等的重要特征参数。因此，科学研究者通过各种方法和原理来获取叶面积指数。　　计算叶面积指数的方法，主要有直接测量法与间接测量法。直接测量法的原理主要是根据叶面积指数的定义，先获得地表上的叶面积，再计算叶面积指数。获得地表上的叶面积按原理又分为基于采样的方法和直接获取总体的方法。更多的时候主要利用间接测量方法。间接测量的方法主要是利用辐射传输理论建立起来的间隙率方程来进行反演。获取植被间隙率信息的方法则分为基于辐射测量的方法和基于图像测量的方法，而且也已经有根据间接测量原理生产的测量仪器。间接测量方法必然没有直接测量方法得到数据精度高，但是直接测量方法的效率低下，测量困难等原因致使间接测量方法是现在获取叶面积指数的主流方法。　　以上两种方法主要是地面测量方法，随着遥感技术的发展与定量遥感理论的进步，利用航空图像、卫星图像等大范围数据定量反演地表参数成为遥感技术的优势。现在也存在很多的基于不同分辨率的遥感卫星叶面积指数产品，包括基于MODIS的叶面积指数产品、基于AVHRR的叶面积指数产品等等。但是这些分辨率很低的叶面积指数产品的精度验证仍然需要地面测量法的数据支持。虽然LAI地面实测方法和仪器已经很成熟，但是始终无法快速便捷的获取大范围的叶面积指数值。　　基于无线传感器网络（wireless sensor network，WSN）技术的数据自动测量与采集系统的应用使得叶面积指数的测量效率得到有效提高，但是无线传感器网络的布设需要有专门的硬件技术人员，各个运行模块之间的调试、运行门槛很高，维护成本大，而固定的无线传感器网络则不能根据研究区域的需要进行移动。　　而最近随着无人机的快速发展，尤其是多旋翼无人机在悬停、航线规划等方面的成熟，科研人员可以非常方便快捷的获取遥感数据。另外，搭载在无人机上的传感器分辨率越来越高，可以达到分米级、厘米级甚至毫米级，基本上也可以满足科研人员对数据质量的要求。本文就是利用无人机的这种优势，获取高分辨率的植被遥感图像，通过先进的植被识别算法，获得用来提取间隙率信息的二值图像，结合叶面积指数的间接测量原理，快速便捷的获取叶面积指数，并与地面实测数据验证对比，相关性很好。　　本文完成了从地面试验方案到空中遥感方案的设计，完成了从数据采集到得出结果的整个流程，第一次将间接测量的工具迁移到无人机平台上，实现了方法论上的创新，为叶面积指数的反演引入了不一样的视角，也算是一种创新，希望在以后可以作为一种新的测量叶面积指数的手段，得到推广。