水稻对我国乃至世界的粮食安全至关重要,高效、实时、准确地把握水稻生长状况意义重大。叶片作为光合作用的主要器官极大地影响水稻整体生长状况,叶面积指数（Leaf Area Index,LAI）被视为反映叶片生长状态的重要参数。遥感方法凭借其大面积、快速、动态监测的优势,为农作物LAI监测提供有效手段,其中应用最为广泛的是以植被指数构建的经验模型。但是对于水稻而言,特殊种植背景与稻穗结构都会影响植被指数模型的精度。因此,设计一种受种植背景与稻穗结构影响较小的遥感手段水稻叶面积反演模型有很强的现实意义。本文以华中双单季稻稻作区“红莲型”多品种杂交水稻为主要研究对象,使用无人机平台获取的多光谱遥感及RGB影像数据,探究水稻冠层反射光谱、冠层高度及LAI随水稻生长的变化规律。使用NDVI、EVI、WDRVI、CIgreen、CIrededge、NDRE、MTCI和OSAVI共8种植被指数以及水稻冠层高度分别构建基于植被指数、基于冠层高度以及二者结合的多时序水稻LAI反演模型并进行精度评价。对比不同模型,讨论影响反演模型效果与精度的潜在因素,得出如下结论:（1）利用无人机平台获取的水稻冠层光谱中,绿光、红光、红边及近红外波段反射率相关性较强,红边波段与其他波段反射率相关性较弱。随着水稻生长,其冠层光谱近红外波段反射率先增高,后回落,红边波段反射率逐渐增大。水稻齐穗后,不同品种红边波段反射率差异较大。（2）使用本文所研究的8种植被指数反演水稻LAI需要区分水稻生育期。不区分水稻生育期情况下,植被指数反演LAI效果不佳,最优模型为EVI模型,R~2=0.405,RMSE=1.209。区分生育期情况下,在未抽穗阶段反演LAI效果良好,最优的OSAVI模型R~2=0.621,RMSE=0.985,抽穗阶段建模效果不佳,最优模型R~2=0.1031,RMSE=0.964。（3）水稻齐穗期与冠层高度达到最大日期高度相关,相关系数达到0.94。基于冠层高度的水稻LAI反演模型,不区分生长阶段情况下构建模型决定系数R~2=0.629,RMSE=0.955。区分生长阶段情况下,未抽穗阶段构建模型R~2提高至0.702,RMSE降低为0.872,抽穗阶段模型拟合效果与精度大幅降低,不及抽穗阶段使用植被指数反演LAI模型。（4）根据平均冠层投射理论中关于植被叶片空间分布的经典假设,提出基于植被指数与冠层高度的水稻LAI反演模型。引入冠层高度后,对各类植被指数模型拟合效果与精度均有一定提高。效果最佳的H*ln（OSAVI+1）模型在不区分生长阶段情况下,R~2即可达到0.66,RMSE降低至0.915,优于仅植被指数或冠层高度所构建的水稻LAI反演模型。