植被叶面积指数(LAI)是表征植被冠层结构以及植被长势最重要的因子之一，在生态环境、农业、碳循环等研究中是一个不可或缺的因子，因此LAI的获取就显的极其重要。利用遥感技术获取LAI的技术已取得了很大发展，然而不同分辨率传感器的使用，使得一方面可以得到一系列不同尺度的遥感图像来表征地表信息，进而也会产生不同尺度的植被信息以及不同尺度的叶面积指数;另一方面，随着尺度的变化，LAI的反演模式也需要不断地修改，即不同的尺度应有不同的算法。由于针对低分辨率影像LAI反演的算法尚不成熟，所以通常会使用高分辨率图像的反演公式来反演低分辨率影像的叶面积指数，这就不可避免的会产生尺度效应，为了消弱甚至消除尺度效应，近些年，科研人员不断的致力于研究不同尺度间图像以及反演参数间的尺度转换，取得了一定成果。本文以黑河流域盈科绿洲以及花寨子荒漠地区为例，进行LAI的反演以及LAI的尺度转换研究，以期在前人的基础上有所突破。　　 本文主要研究内容和成果如下:　　 (1)总结了前人在LAI反演与尺度转换方面的研究成果及现状，分析了研究中存在的不足，明确了本文重点研究的内容。　　 (2)引入一系列植被指数作为分类的参考因子，利用最大似然分类方法和支持向量机法对ASTER影像进行植被覆盖分类，有效地提高了图像分类精度，利用最大似然分类方法对ASTER影像进行了遥感分类制图，为后续LAI的反演与尺度转换提供了保障。　　 (3)建立了LAI在ASTER尺度上的反演模型，并利用该模型完成了ASTER影像LAI反演制图。利用地面实测LAI与ASTER影像的植被因子，采用线性回归、非线性回归、偏最小二乘回归、拟线性化的非线性拟合等方法，进行LAI的反演，最终得到了一个精度较高的非线性拟合LAI反演模型，样本检验结果表明:预测值与实测值间的相关系数可以达到0.89，均方根误差为0.367;　　 (4)对所得反演模型进行多元泰勒级数展开，利用该展开式实现了“点到面”的尺度转换途径，即地面点实测LAI到ASTER尺度的直接转换，利用该直接转换结果对ASTER尺度反演结果进行验证，结果表明ASTER反演的LAI精度较高。　　 (5)引入“差值”作为校正因子，有效地消除了MODIS LAI产品中的尺度效应，提高了MODIS尺度LAI的反演精度。首先，考虑了把植被指数的方差、各像元主导地类的面积百分比作为反映亚像元信息、空间异质性的参数因子，然后，利用ASTER反演的LAI向上尺度转换结果与MODIS LAI产品求出差值，最后，依据植被分类结果，分别对各种植被类型建立了差值与各参数因子间的尺度转换校正模型。