【摘要】针对东北粳稻叶绿素含量无人机高光谱反演中红边位置特征不明确的问题,基于2019～2020年沈阳农业大学水稻试验基地采集的高光谱数据和地面水稻样本叶绿素数据,开展水稻叶绿素含量红边光谱响应特性分析及反演建模研究。首先,利用线性外推(LE)、线性四点插值(LI)、最大一阶导数(MFD)、多项式拟合(PF)、拉格朗日插值(LAG)和倒高斯拟合(IG)6种方法确定水稻冠层高光谱红边位置,对比不同方法提取结果的分布规律,分析叶绿素含量的红边位置响应特性。然后,基于不同红边位置提取结果,利用极限学习机(ELM)、反向传播神经网络(BPNN)两种机器学习算法以及5种统计回归算法构建水稻叶绿素含量反演模型。结果表明:LE方法适合东北粳稻冠层光谱的红边位置的计算,提取的红边位置变幅大,对叶绿素含量变化较为敏感;以LE提取的红边位置为输入特征,构建的线性外推-极限学习机(LE-ELM)和线性外推-对数曲线(LE-LNX)模型,叶绿素含量反演精度较高,两个模型决定系数、均方根误差、平均绝对误差分别为0.781,8.375,9.828和0.763,9.249,11.253,研究结果可为水稻冠层叶绿素含量高效监测提供理论支撑。