水稻是世界三大粮食作物之一,其产量以及品质在世界粮食安全中有着非常重要的作用。而水稻的叶面积指数是水稻进行长势评估的重要指标。如何快速而且准确的获取水稻的不同生理参数对于科学施肥以及高效的田间管理意义重大。本研究的目的是以北方水稻叶面积指数为研究对象,依托不同氮素水平的两块水稻田间试验,基于地面实测数据和星载多光谱遥感影像数据,利用传统基于统计的经验公式法以及两种机器学习算法分析不同生长环境水稻的光谱反射特征与水稻叶面积指数的相关性,并构建水稻叶面积指数反演模型,实现区域范围内水稻的长势监测。研究结果可为精准农业上的科学施肥、产量预测等提供更为可靠的数据以及技术支撑。主要结论如下:论文围绕水稻叶面积指数反演展开研究,主要的研究内容和创新点如下:(1)首先给出了基于作物光谱反射率对叶面积指数进行反演的理论机理,系统的分析了水稻生长的农学基础以及水稻叶面积指数估算的特殊性,分析了水稻的光谱特征。结果表明,水稻的光谱曲线有着明显的趋势,其中相关性最强的几个波段分别为绿光波段、红光波段、红边上的波段以及近红外波段,本文根据相关性分析结果选择了六个波段进行水稻叶面积指数建模分析。(2)其次利用Sentinel-2卫星遥感数据计算两种植被指数,包括比值植被指数和归一化植被指数,提取了六个波段的像元值与实测的水稻叶面积指数构建训练集和测试集,利用传统的经验公式法,包括线性回归、对数回归以及指数回归进行数据的拟合,并分析拟合结果的准确性。(3)最后选择支持向量机和随机森林两种机器学习算法,利用构建的训练集进行建模,并利用测试集来测试模型的反演精度。最终结果表明,基于支持向量机算法的多波段反演模型效果最好。