PDF 【目的】探究无人机（UAV）高光谱在自然分布区进行新疆野苹果（Malussieversii）冠层叶绿素含量（SPAD）无损快速反演，解决传统监测方法监测新疆野苹果冠层叶绿素含量效率低、成本高、难以大面积推广应用的难点问题。【方法】以新疆野苹果的落花期为研究时段，获取冠层高光谱遥感影像，采用卷积平滑（SG）、多元散射校正（MSC）、标准正态变换（SNV）、移动平均平滑（MA）及一阶导数变换（D1）进行光谱预处理，系统构建任意两波段组合的差值光谱指数（DSI）、比值光谱指数（RSI）、归一化光谱指数（NDSI），并采用随机森林回归（RFR）、XGBoost、梯度优化决策树（GBDT）、K最近邻回归（KNN）4种机器学习方法，分别构建叶绿素含量（SPAD值）反演模型。【结果】（1）SG-D1预处理对噪声有较好的降噪和光谱增强效果，光谱特征化处理效果较好，MA-DA-NDSI（580.43，447.92）与SPAD值相关系数较高（r=0.75，P＜0.01），敏感波为红边区和近红外平台区；（2）RFR效果较好，SG-D1-RFR模型在测试集上的精度为R2=0.818，RMSE=2.419，较GBDT、KNN精度提高了16.5%以上；（3）基于最优模型获得的研究区野苹果冠层SPAD空间分布图显示，冠层叶绿素含量在研究区空间分布为东南高、西北低。【结论】本文基于无人机高光谱数据，并结合机器学习方法对新疆野苹果冠层叶绿素含量进行反演，为新疆野苹果资源精准调查、保护和管理提供了技术支撑。