植被的光合作用在整个生态系统的物质和能量的循环过程中起到了至关重要的作用,其中类胡萝卜素是植被进行光合作用的主要色素之一。类胡萝卜素在保护叶绿素以维持光合作用进行、延缓植被叶片衰老以及能及时响应外界刺激并作出反应等方面有着重要作用,对预测植被的健康状况、营养状况以及生长状况意义重大,因此快速、准确、无误的估算其含量对于预测植被的健康状况有着十分重要的意义。本研究以LOPEX’93数据库为基础,系统分析了400-2500nm的高光谱反射信息,通过提取特征波段来构成归一化差值植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、再归一化植被指数(RDVI)以及原始光谱主成分与双子叶植物叶片类胡萝卜素含量之间的定量关系。通过对400-2500nm光谱波段进行任意两两组合来构造植被指数NDVI、RVI、DVI和RDVI,发现这四种植被指数在最优波段与类胡箩卜素含量的相关系数都大于0.880,达到了强相关水平。相关性分析结果为这些植被指数与类胡萝卜素含量进行建模分析提供可靠的理论和数据支持。利用高光谱信息所构造的植被指数及原始光谱主成分与类胡萝卜素含量进行回归及神经网络反演建模分析,其中神经网络反演建模精度要明显好于回归分析,遗传神经网络反演效果最好,反演模型的训练判定系数的R~2值都大于0.886,测试判定系数的R~2值都大于0.874,达到了极强的相关性水平。反演结果表明,植被叶片类胡萝卜素含量受到诸多因素影响,采用非线性映射能力更好的神经网络建模方法可以有效的提高反演精度。本研究以原始高光谱数据为基础来对植被叶片类胡箩卜素含量进行反演建模,结果表明通过拓宽光谱的研究范围和改进反演建模方法对提高类葫芦卜素含量的反演精度是可行的,为植物叶片类胡箩卜素含量快速、准确、无损检测提供一定的理论和技术支持。