为提高干旱区冬小麦叶面积指数（Leaf area index， LAI）遥感估算精度，以拔节期冬小麦LAI为研究对象，在对冠层高光谱数据进行一阶（First derivative， FD）、二阶（Second derivative， SD）微分预处理的基础上，计算了任意波段组合的二维植被指数（Two-dimensional vegetation index， 2DVI）和三维植被指数（Three-dimensional vegetation index， 3DVI），通过与LAI之间进行相关性分析，寻求最佳波段组合的植被指数；利用人工神经网络（Artificial neural network， ANN）、K近邻（K-nearest neighbors， KNN）和支持向量回归（Support vector regression， SVR）分别建立LAI估算模型，并进行精度验证。结果表明：任意波段组合的植被指数与LAI相关性均显著提高，尤其是基于一阶微分预处理光谱的FD-3DVI-4（714 nm， 400 nm， 1001 nm）相关系数达到0.93**（P＜0.01），且最优组合波段主要位于红边位置。基于最优FD-3DVI植被指数和K近邻算法的估算模型表现突出，其决定系数R2为0.89，均方根误差最低（RMSE=0.31），相对分析误差RPD为2.41；表明K近邻算法更适合解决非线性问题，能够提高估算精度，为后期作物长势评价、合理施肥等提供理论依据。