稻米是中国主要的主要粮食作物之一，其中东北地区如辽宁、吉林、黑龙江等地种的稻种是寒地水稻。寒冷地稻主要表现为早春低温低、插秧后气温和土壤温度较低，养分释放缓慢[2]，故在寒地水稻关键生育期需补充化学肥料。稻叶绿素含量直接影响到稻叶的颜色，是衡量其营养状况最直接的指标。在寒地稻生产中，农业生产者大都通过现场观察来估算其叶色变化，来判断寒地水稻是否营养不良，从而作出田间管理决策。伴随着东北地区土地流转的深入，寒地稻的规模生产不断扩大，对水稻生产的智能化管理提出了更高的要求，迫切需要采用信息化的手段来提高寒地水稻的叶绿素含量。无损伤，精确检测，有助于进行水稻营养诊断的精确决策，提高寒地水稻规模化生产过程的数字化水平。

目前已有的研究表明，当水稻叶绿素含量改变时，其光谱水平将改变不同波段的反射率。因为高光谱信息具有很高的数据维度，所以通常需要首先对高光谱数据进行降维处理，然后再与叶绿素含量建立定量反演模型。在应用高光谱技术估计作物叶绿素含量方面，国内外学者已取得了一些成果。关于水稻，曹英丽等研究了基于基函数展开的高光谱数据降维和建立以此为输入的叶绿素含量反演模型。同时，对水稻在稻瘟病胁迫下叶片叶绿素含量的高光谱特征进行了研究，并在此基础上对水稻叶绿素含量进行了数值模拟。研究结果表明，基于SDr的回归模型能够更准确地预测叶绿素含量；张建等使用经过滤波片改造的单反相机，得到各波段的相对反射率，并与叶绿素含量建立回归分析模型，结果表明，近红外相机对叶绿素含量的估计值与高光谱成像相似；Stavrakoudis等使用了多光谱传感器，构造了宽幅波段植被指数，实现了孕穗期营养诊断，为水稻田间精确追肥提供了依据。另外，Kamlesh等通过对油棕榈叶的高光谱信息进行测量，用偏最小二乘法建立了叶片叶绿素含量反演模型，研究结果表明，玉米叶片反射光谱的红边位置与铜胁迫浓度呈显著相关，且存在明显的“红边蓝移”现象；冯海宽等分析了叶绿素含量和苹果叶原始光谱及其变换形式之间的相关性，应用统计机器学习算法，建立有效的叶绿素反演模型，等等。

为提高寒地水稻叶绿素含量高光谱遥感诊断的准确性和管理决策依据，本研究对寒地水稻叶片叶绿素含量进行了反演，利用ASD地物分光系统获取寒地水稻关键生育期叶片的高光谱信息，通过高光谱信息特征波段选择方法，从已获高光谱波段范围内选取特定特征波段，同时，采用回归分析法，结合叶绿素吸收系数构建的反演指数，建立寒地水稻叶绿素含量反演模型。该研究可以为在寒地规模种植水稻生产过程中的叶绿素含量的定量表达关系，实现检测设备的研制与集成，为寒地规模化水稻生产过程中叶绿素含量检测与精确管理提供一种有效途径。可靠性，遥感监测技术手段。