近年来，高光谱技术在作物中的应用成为人们研究和关注的焦点。柑橘树高光谱探测技术，通过筛选出能较好地估测柑橘树的光谱变量和农学参数，能够提取作物生长状况的信息，并且对建立简便、快速、低成本和非损伤性的光谱分析法，以替代费时、费力的直接测量分析方法也具有重要意义。　　 本文结合国家自然科学基金项目，以柑橘树为研究对象，研究基于高光谱信息的柑橘树叶面积指数模型，主要内容如下：　　 (1)提出采用自制视场角模拟高度测量器以最大限度减少测量背景的影响，并结合一阶微分技术的理论和数据分析得出一阶微分可以在一定程度上消除土壤背景的干扰，为后续的基于高光谱参数建模提供依据。　　 (2)采用直接测量法结合Matlab图像处理的方法对柑橘树LAI进行测量和分析，通过与光谱数据进行相关分析，得出相关系数总体不超过0.4。但是该方法所得的LAI数据与光谱数据的相关分析的波形图与间接测量法所得的走势相似，相关系数较大的区域基本一致。　　 (3)利用柑橘树冠层的五种光谱形式，分别与叶面积指数进行逐步回归相关分析，表明了一阶微分光谱在677nm波段值与叶面积指数LAI(Leaf Area Index)的相关性最好，Rz=0.883，RMSE=0.4587，倒数1/P形式与LAI进行逐步回归确定的相关性最高的波段组成的NDVI也可以较好地模拟估算柑橘LAI，Rz=0.732，RMSE=0.702。同时还对柑橘树冠层的“红边”参数进行了分析并与LAI建立了相关模型，红边面积和红边斜率与LAI都达到较高的相关水平，证明了利用这两个参数进行对LAI模拟估算是可行的。　　 (4)采用小波变换对校正组进行数据预处理，并结合主成分分析进行数据的合理提取。经过对RBFNN模型的优化选择，得到光谱对叶面积指数分析的最优径向基神经网络模型：WT-NIRS-RBFNN(7-12-1，3.2)，此时模型的RMSECV为0.0992，模型的&为0.9145;模型的预测集参数RMSECP和Rp分别为0.0478和0.9625。