无人机机载高光谱成像系统凭借光谱分辨率高、成本低、时效性强、云下作业受环境天气影响较小等优点,在精准农业应用领域具有重要研究意义。精准氮肥管理能够在保证东北春玉米的高产前提下,同时提高氮肥利用效率、减少环境污染,具有较好的经济环境效益。因此,实时有效诊断春玉米氮素营养状况至关重要。本研究以吉林省四平市三棵树村试验田为研究区,采用无人机载成像高光谱系统,获取春玉米两年关键生育时期的冠层高光谱影像,分别使用5种光谱预处理方法结合3种算法(偏最小二乘回归、BP神经网络和随机森林算法)反演地上部生物量、氮浓度、吸氮量、氮营养指数等春玉米氮素营养参数,主要工作与结论如下:(1)最佳的建模方法为随机森林方法。随机森林算法比偏最小二乘回归算法提升较为明显,比BP神经网络算法略有提升,随机森林算法训练速度快、效率高,当诊断大面积多样本的春玉米氮营养状况时具有优势。(2)应用不同模型分别反演地上部生物量、氮浓度、吸氮量与氮营养指数等4种春玉米氮素农学指标。平均各预处理的模型的精度后,地上部生物量、氮浓度、吸氮量、氮营养指数预测集R~2依次为0.56、0.51、0.66、0.73。利用5种处理方法结合三种反演模型反演氮营养指数精度最好,这有利于春玉米关键生育期氮营养诊断。(3)对原始高光谱进行预处理可以很好的提升模型精度,本次试验最佳的光谱预处理方法为多元散射校正(SMC)。经过SMC预处理的高光谱特征参数与地上部生物量、植株氮浓度、植株吸氮量和氮营养指数所构建的反演模型,预测集的R~2最大值分别达到:0.86、0.88、0.89、0.84。