再生稻是水稻的一种低成本种植模式,其可充分利用头季稻投入的人工、种子、化肥及头季稻收获后闲置的光温水肥资源,对水稻降本增效生产具有十分重要的意义。叶面积指数（Leaf area index,LAI）是表征再生稻长势的重要参数,但传统的测量方法难以实现大面积、高时空分辨率的再生稻LAI变化监测,近地面遥感技术的发展为高时空分辨率的田间再生稻LAI监测提供了新手段,可以为再生稻精细化田间管理提供数据支持。因此,本研究利用地面非成像高光谱和无人机多光谱分别获取再生稻冠层高光谱数据、多光谱影像,分析不同生育期再生稻高光谱和多光谱特征对LAI的响应,探究多光谱影像图谱特征融合建模对反演模型精度的影响,建立单生育期和多生育期的LAI反演模型,并基于最佳模型绘制田间LAI时空分布图。主要研究内容和结果如下:（1）对地面高光谱特征与LAI进行建模分析,结果表明比值植被指数和归一化植被指数对再生稻LAI指示作用最佳,孕穗期、抽穗期、灌浆期、灌浆后期的最佳比值植被指数和归一化植被指数波段分别为847 nm、749 nm,999 nm、718 nm,716 nm、539 nm,357 nm、351 nm,各生育期最佳LAI反演模型的R~2（决定系数）分别为0.83、0.68、0.54、0.45,RMSE（均方根误差）分别为0.23、0.41、0.33、0.27。（2）对多光谱特征与LAI进行建模分析,结果表明各生育期反演精度最高的多光谱植被指数特征分别为MSRRE、MSRRE、CIgreen、Ex G-Ex R,模型的R2分别为0.38、0.75、0.41、0.44,RMSE分别为0.51、0.27、0.43、0.40。其中孕穗期、灌浆期和灌浆后期多光谱指数模型精度均要低于高光谱指数模型,但孕穗期、灌浆期、灌浆后期多光谱影像纹理特征模型精度优于高光谱的光谱指数模型,特征分别为B＿MEA、RE＿HOM、RE＿SEC,反演模型R2分别为0.68、0.75、0.50、0.50,RMSE分别为0.37、0.27、0.40、0.38。（3）对无人机多光谱影像的光谱指数、纹理特征进行融合建模,结果表明图谱融合建模可以提高多光谱特征模型反演再生稻LAI的精度,孕穗期、抽穗期、灌浆期、灌浆后期图谱融合建模的模型R2分别为0.77、0.68、0.84、0.75,RMSE分别为0.30、0.38、0.22、0.27。融合图谱特征建模可以在一定程度上弥补多光谱相较于地面高光谱在光谱分辨率和波段数量上的差距。（4）分别使用一元回归模型、多元线性逐步回归模型和支持向量机模型建立了不同生育期跨度的反演模型,结果表明支持向量机模型的跨生育期反演能力最佳,基于支持向量机融合图谱特征的跨四个生育期的反演模型R2为0.91,RMSE为0.26。综述所述,本研究揭示了再生稻冠层光谱特征对LAI的响应规律,基于无人机多光谱影像图谱特征融合建模实现了再生稻各生育期LAI反演及LAI时空分布制图,为再生稻实现精细化田间管理提供了数据支持。