叶面积指数( LAI)控制了许多与植被有关的生物物理过程，是众多应用中的一个重要植被参数。传统的地面测量仅能获取有限点的LAI，往往无法符合全球或大尺度研究应用的需求。而遥感观测具有覆盖面积大的优势，并且伴随着遥感观测技术的不断发展，多角度、多光谱、多时相、多分辨率的遥感数据提供了极为丰富的植被冠层信息。因此，如何从这些信息中反演出LAI，是植被遥感领域的一个关键问题。　　 现有的许多冠层反射率模型(辐射传输模型、几何光学模模型、混合模型、计算机模拟模型)详细地描述了植被冠层的方向性反射与冠层空间结构特征和组分光谱特征间的联系，因此常被用于植被LAI的反演。但是这些模型往往从复杂的物理机理出发，力求准确地刻画冠层反射率的分布规律，导致了非常复杂的模型表达式，其反函数常常不具有解析解，需要利用优化算法进行反演，随着模型复杂度的增加，反演的难度也很快增加，费时且不能保障精度。因此，从利于反演的角度，本文对复杂的冠层反射率模型进行参数化，既保证参数化模型具有可靠的精度，又力求降低模型的复杂度，提高其反演的实用性。　　 本文的参数化工作围绕成熟的辐射传输模型-SAILH模型展开，文章首先对SAILH模型进行了简单介绍和初步分析，并利用SAILH模型模拟了不同观测条件、不同冠层参数下的冠层反射率，在此基础上先后利用基于核函数的偏最小二乘方法和基于“景合成”思路的方法对SAILH进行参数化，将原本复杂的物理模型简化为整体呈线性的参数化模型。　　 第一种参数化方法充分利用了偏最小二乘方法解决系统多重相关性的优势以及核驱动模型对参数集的有效分割，将SAILH模型简化为一组形式简单的子模型，分析表明该组模型对SAILH模型具有较高的解释能力，两者之间的误差较小。在此基础上，本文讨论了线性子模型在多角度遥感反演中的应用。　　 第二种参数化方法借鉴了“景合成”模型的思路，将植被冠层分为光照面和阴影面四组分，通过对计算四组分面积比例近似计算冠层的反射率，在此基础上加以误差项的修正，最终使得参数化模型较准确地描述了植被冠层的反射率特征。本文分析了参数化模型的模拟精度，并将其应用于单点模拟数据LAI的反演，结果表明，对复杂模型进行合理参数化能够保证较高的反演精度，有利于提高反演效率，文中还对该模型反演时的稳定性进行了初步分析。