【摘要】【目的】实现毛竹叶片叶绿素含量的高光谱反演，可为毛竹生长状态分析与毛竹林的科学管理提供理论依据。【方法】本研究基于毛竹不同叶位叶片的平均反射率和样地实测平均叶绿素含量数据，对平均反射率光谱曲线采取Savitzky-Golay平滑、标准正态变量变换和一阶微分的组合预处理，采用相关系数法和连续投影算法（SPA）分别提取特征波长，基于特征波长提取结果运用SPXY算法、KS算法和随机法（RS）进行数据集划分，构建6种光谱训练集，选取随机森林（RF）、极端梯度提升算法、支持向量机回归（SVR）和BP神经网络4种机器学习算法建立毛竹叶绿素含量估算模型，根据模型评估结果筛选叶绿素含量估算最适应模型。【结果】在数据集划分算法性能上，相比于KS和RS数据划分法，基于SPXY数据集划分法能显著提升叶绿素含量的估算精度；在特征波长筛选方法中，SPA算法相比于相关系数法能有效消除共线性影响，提升模型精度；在机器学习模型构建上，以SPA算法结合SPXY数据集划分法建立的支持向量机回归模型对毛竹叶片叶绿素含量的估算精度最高，训练和验证R2分别为0.78和0.76。【结论】SPA算法结合SPXY数据集划分法建立的SVR模型能实现毛竹叶片叶绿素含量的准确估测，可用于毛竹叶片叶绿素含量信息的快速、无损获取。