植被是土地覆盖的最主要部分,其变化对全球能量循环及物质的生物化学循环具有重要的影响.叶面积指数、生物量和净初级生产力等是表征植被特征的重要参数.叶面积指数(LAI)定义为单位地表面积上的总叶表面积的一半,它作为一个重要的冠层结构参数,对于理解与植被有关的生物物理过程是非常重要的,许多气候模型、生产力模型都需要叶面积指数作为输入参数,因此叶面积指数的获取具有非常重要的意义.植被净初级生产力指绿色植物在单位时间、单位面积上由光合作用所产生的有机物质总量中扣除自养呼吸后的剩余部分.净初级生产力一方面它可以反映植物的生长状况,为可再生资源管理提供高质量的综合信息;另一方面它是生物圈碳循环的重要分量,在全球气候变化研究中占有重要的地位.用常规方法获取大面积的植被叶面积指数和净初级生产力是非常困难的,遥感为大面积获取这两个植被参数提供了可能.叶面积指数的获取当前主要有植被指数法、模型反演法等.净初级生产力的获取主要用模型来进行模拟,有统计模型、气候生产力模型、过程模型和光能利用率模型等.基于这两个植被参数的重要性,该文从机载多角度图像、ASTER、TM、MODIS等遥感数据源进行了叶面积指数反演的试验,并在已获取资料的基础上,利用BEPS模型进行了净初级生产力的模拟试验.遥感获取的叶面积指数和净初级生产力需要进行地面的验证,为此我们进行了实地的叶面积指数、生物量和净初级生产力的测量,并对生物量和净初级生产力的计算进行了误差分析.