植被是地球生态系统的重要组成成分之一，陆地表面的植被是遥感观测和人们研究的主要对象。作为描述植被冠层结构重要参数之一的叶面积指数(Leafareaindex，LAI)是一个关键的表征植被生长状况的物理量，是影响植被内部辐射状况的重要因子之一。传统的叶面积指数获取方法费时费力，且不能实现大面积的无损监测，而遥感可以大范围、周期性地监测叶面积指数的变化，比传统的获取方法具有明显优势。目前利用遥感数据来反演叶面积指数主要有3种方法：经验统计法、物理模型反演方法及混合反演方法。曾有学者利用不同的数据对各种方法进行了比较，并得到了一些有价值的结论，但是有关此方面的研究还比较缺乏，因此本文利用冬小麦数据探讨了不同反演方法在提取LAI上的差异。其中采用的主要方法有经验统计法、BP反演法及BP+SIMPLEX反演法。 为了实现LAI反演，论文首先利用实测数据分析了冬小麦冠层的结构参数和生化生理参数随生育期的变化特征。基于这些特征，利用PROSAIL模型模拟的地面冠层光谱数据和TM光谱数据，分析了一些波段反射率和植被指数对模型各输入参数的敏感性，并选出一些对LAI较为敏感的波段和指数作为构建BP网络的训练输入参数。其次基于模拟数据对不同的训练输入组合进行预测精度评价，选择精度高的组合进行LAI反演。分别利用冠层模拟数据和地面实测数据进行基于BP算法和经验统计法的LAI反演，并在实际反演中，对不同的冠层结构分别进行讨论。接着在BP反演基础上，将BP预测值作为初始值代入基于SIMPLEX算法的PROSAIL模型直接反演模式反演LAI，并对几种反演方法作比较。最后利用BP算法和经验统计法对2004年4月17日和5月19日的北京市TM影象进行LAI反演。 本文主要的研究结果如下：(1)在地面冠层的实际反演中，经验统计法的反演精度与基于实测数据训练的BP反演精度相近，均高于基于模拟数据训练的BP反演精度；并且在基于株型和生育期的平均叶倾角信息划分冠层结构后，BP算法和经验统计法的反演精度均有所提高。 (2)在对TM影像的反演中，总体上基于模拟数据训练的BP反演精度比经验统计法更高；且两种方法对拔节期(4月17日)的反演精度均高于对灌浆期(5月19日)的反演精度。 (3)几种反演方法的比较表明：经验统计法简单方便，但所建立的模型缺乏稳定性，受实际情况制约较大；SIMPLEX算法的反演结果强烈受到反演参数初始值的影响，而初始值的确定一直是个难题，BP反演可以提供初始值，但BP+SIMPLEX的反演精度不如BP算法的反演精度。总的来看，实质为混合反演模式的PROSAIL+BP方法在LAI反演中更有优势。