叶面积指数（Leaf Area Index，LAI）是表征植被冠层结构和功能的关键参数，也是生态系统、全球碳循环和气候系统的重要结构参数。实时、准确的农田LAI可以在作物生长初期实现产量及时预报，为农业生产的宏观调控提供参考。遥感因其动态宏观、覆盖范围广等特点，广泛应用于LAI数据获取。目前基于AVHRR、VEGETATION、MODIS等多种传感器数据已生产出一系列长时序全球LAI产品。然而，以上传感器较粗的空间分辨率难以实现地块级精准监测。近年来，随着空间技术的快速发展和数据共享模式的成熟，欧空局的Sentinel-2卫星、PlanetScope、中国高分六号（GF-6）卫星等高时空分辨率遥感卫星应用，使得地块级农田LAI监测成为可能。由于各种传感器的天顶角、光谱响应函数和时空谱分辨率等差异，导致LAI监测结果存在诸多不确定性。因此，开展不同卫星数据的一致性分析，对实现多星协同观测、融合多源数据生成每日连续高空间分辨率遥感产品意义重大。本研究选取了法国和中国2016至2022年间35个不同地点的80块农田作为研究对象，计算了NDVI、EVI等典型植被指数，并基于PROSAIL辐射传输模型和半经验贝叶斯反演算法计算农田LAI，通过对比不同卫星波段反射率、常用植被指数和LAI，研究了Sentinel-2、GF-6和PlanetScope三种卫星数据间的一致性问题，并结合地面采样数据进行精度评价。结果表明（1）Sentinel-2、PlanetScope和GF-6影像反射率之间存在显著线性关系；（2）三种传感器的植被指数具有较强的相似性；（3）三类影像反演的LAI一致性较好，经地面实测数据对比，估测的LAI精度较高，R²>0.7。在种植结构复杂地区，PlanetScope影像以其高时空分辨率优势更能凸显LAI估算的准确度。PlanetScope最新发射的Superdove传感器相比于Dove R增加了红边波段，对提高LAI反演精度具有积极作用。本研究初步证明，三种卫星数据间的一致性较好，为多源卫星的融合应用奠定了基础。