叶面积指数是表征植被冠层的重要参数,它影响着植被的光合、蒸腾和降水截留等生理过程,也是植物生长状况的重要指标。叶面积指数反演是遥感反演领域重点关注的热点问题之一,是生态环境评价和管理的需要,具有重要的生态意义。传统单一的遥感数据受到获取方式的限制,不能快速完整地反映植被信息。本文协同使用高光谱和激光雷达技术,实现两种数据优势互补,高效地反演植被参数。高光谱遥感数据光谱信息丰富,已经逐渐成为植被参数反演的主要数据源,激光雷达技术的“实景复制”功能高效准确反映植被信息。论文发挥两种数据的优势,协同反演植被参数,真实描述植被的冠层结构,将会进一步提高反演精度,使得植被遥感研究从平面拓展到立体,为地面、机载和航天一体化研究做了有益地尝试和探索。本文的数据获取仪器是地基成像光谱仪和三维激光扫描仪,研究区域为云南西双版纳地区和电子科技大学校园内,选择茶树和法国冬青两种阔叶灌木为研究对象,利用获取的两种数据协同反演叶面积指数。研究的主要工作及结论如下:(1)地面协同反演实验设计和数据获取。设计了地面数据反演叶面积指数的实验方法,研究了协同使用SOC710VP成像光谱仪和Leica ScanStation C10三维激光扫描仪获取阔叶灌木的高光谱数据和激光点云数据的方法,同时利用辅助器材获取的测量数据与成像光谱和激光雷达数据进行对比验证,结果表明两种协同数据准确可靠。(2)高光谱数据波段选择和激光点云数据提取灌木结构参数。根据两种数据的特点,研究了地基成像光谱和激光雷达数据的去噪处理方法。因为物理模型的输入参数多且难以获取,论文根据物理模型反演叶面积指数的实际需求,研究了高光谱数据反射率反演、波段选择优化和激光雷达数据快捷提取结构参数的方法。(3)针对目前广泛应用的冠层反射率模型进行分析,我们根据研究区灌木的实际特点,选取合适的模型GeoSail作为反演模型。结合高光谱和Li DAR数据的特点,使两种数据实现较好的协同,实现LAI的反演,提高反演精度。本文基于Geosail模型及查找表算法,利用获取的成像光谱数据和激光雷达数据,成功对研究区2013年12月及2015年10月阔叶灌木的叶面积指数进行了反演。最后将叶面积指数野外实测值与反演值进行对比验证,验证结果两者一致性较好。其中,单株茶树实测值与反演值相关系数为0.70,均方根误差是0.33;稀疏冬青灌木丛实测值与反演值相关系数达0.83,均方根误差是0.32,均表现出较高的反演精度。实验证明,GeoSail模型同样可以适用于低矮型绿化灌木,为无人机等遥感平台的应用进行了可行性的实验。