水稻是我国重要的粮食作物之一,提高水稻的产量和品质是现在追求的目标。在水稻的生长过程中,叶绿素含量的水平变化可以作为作物营养状况、是否被病虫害侵染的指示。但是现有的叶绿素含量检测主要以破坏性取样,在实验室内检测含量为主,难以达到快速检测的要求。因此利用非成像高光谱遥感技术可以快速、无损的对作物叶绿素含量进行快速检测,为后续的水稻长势监测、施肥施药管理提供参考依据。本研究以东北地区的寒地水稻作为研究对象,在水稻的苗期需要进行追肥时,利用非成像高光谱传感器获取水稻的冠层光谱信息,并通过破坏性采样的方式获取水稻叶绿素含量。首先对冠层高光谱数据进行一阶导数处理去除背景干扰,而后采用连续投影算法和离散小波分解的降维处理,得到了最佳特征波段和最佳的特征。最后构建了基于支持向量机(SVM)、极限学习机(ELM)、核极限学习机(KELM)、灰狼优化的核极限学习机(GWO-KELM)四种算法的水稻叶绿素含量反演模型。本文主要研究内容及结果如下:(1)对水稻苗期的冠层光谱进行了特性分析,研究了在不同叶绿素含量下对水稻冠层光谱的影响,水稻冠层叶片高光谱反射率随着叶绿素含量的升高而降低。并对水稻冠层光谱进行导数处理,去除掉水体背景的干扰,得到较为纯净的水稻叶片光谱信息。(2)对预处理后的高光谱通过连续投影法进行特征波段筛选,提取出了5个最佳特征波段,分别为:416nm,424nm,517nm,680nm,707nm;通过离散小波分解进行特征提取,得到的特征征集和数量为15个。(3)分别以连续投影算法和离散小波分解的数据结果作为模型的输入,建立基于支持向量机、极限学习机、核极限学习机和灰狼优化核极限学习机的寒地水稻叶绿素含量反演模型。结果表明,以连续投影算法的结果作为模型输入,以灰狼优化核极限学习机作为反演模型的叶绿素含量反演模型效果最好。本研究通过获取水稻冠层非成像高光谱信息,建立高光谱信息与叶绿素含量之间的反演模型。为今后开展水稻叶绿素快速检测、科学施肥、病虫害监测等工作提供一些理论支持。