摘要：为了建立更加稳定、预测能力更强的辣椒叶绿素含量反演模型,该研究基于无人机高光谱数据和实测叶绿素相对含量(SPAD值),分别利用原始光谱及其他变换光谱与SPAD值进行相关性分析,用最大相关系数法(MCC)选取相关性较好的特征波段生成特征波段数据集,再用遗传算法-偏最小二乘法(GAPLS)进行降维得到最优特征波段组合,采用偏最小二乘法(PLSR)、反向传播神经网络(BPNN)、随机森林(RF)、最小二乘支持向量机(LSSVM)和遗传算法优化的最小二乘支持向量机(GA-LSSVM)5种机器学习算法构建辣椒叶绿素含量反演模型。结果表明:辣椒叶片SPAD值与高光谱反射率成反比;辣椒叶绿素的敏感波段主要集中在400~700 nm;经过一阶微分处理后的光谱与SPAD值相关性最好,671 nm波长下一阶微分光谱与叶绿素含量呈最大负相关,相关系数为-0.69;基于倒数对数光谱建立的模型普遍精度较高;模型中表现最好的为基于微分光谱搭建的GA-LSSVM模型,其决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)值分别为0.84、1.41、2.24,其次是基于倒数对数光谱的RF模型,其R2、RMSE和RPD值分别为0.83、1.57、2.13。