利用多光谱开展LAI估算研究成为农业定量遥感和精准农业研究热点问题之一[14]。国内外部分学者已开展了利用多光谱遥感数据进行LAI反演研究，如Darvishzadeh等[15-16]、Haboudanea等[17]和Zhao等[18]利用遥感参量植被指数来减少土壤等背景环境的影响，将植被指数和LAI参数建立相关函数，利用其关系进行LAI参数反演。Gitelson等[19]利用绿波段代替红波段提出了新的植被指数GRVI，然后利用其和LAI的相关性进行LAI反演。唐延林等[20]和刘占宇等[21]针对水稻、玉米和棉花等不同作物，构建了不同的植被指数模型，提高了作物LAI估算的精度。Ahl等[22]、程乾等[23]利用多种遥感信息源（NOAA-AVHRR、MODIS、TM和HJ-1等）构建了基于不同信息源的植被LAI反演模型。来~自^吹冰论+文.网www.chuibin.com/

在不同地区，不同品种所构建的基于NDVI、RVI和PVI的小麦叶面积指数反演模型各具有区域性。因此本实验分别构建了基于NDVI、RVI、PVI的小麦叶面积指数的反演模型，旨在构建适用于淮安地区的叶面积指数反演模型。

2 材料与方法

2.1 田间试验方案

实验地点设在淮安市国家农业科技园区（淮安市淮阴区凌桥乡）。

试验材料为宁麦13（N，弱筋）、扬辐麦4号（Y，中筋），淮麦20（H，强筋）。

共0、8、15、22kgN/667m24个氮肥处理，基追比为5:5，于拔节期追肥。磷肥P2O5 7kg/亩，一次性施入；钾肥K2O 9kg/亩，基追比为5:5。

3次重复，共36个小区，小区面积为42m2（6m×7m），基本苗为15万苗/667m2。

试验的处理编号见表1，