摘要: 类胡萝卜素作为植被体内参与光合作用的重要色素之一，快速、准确、无损地预测其含量对于动态监测植被的生理状况具有重要意义。以江苏东台条子泥湿地为研究区，采集碱蓬叶片样本并测定叶片反射光谱和生化参数（叶绿素、类胡萝卜素、甜菜红素、等效水厚度和干物质含量），基于PROSPECT-D辐射传输模型模拟的碱蓬叶片反射光谱构建适用于碱蓬叶片类胡萝卜素含量的三波段模型（TBCRI），基于色素灵敏度比值筛选对碱蓬叶片类胡萝卜素含量敏感的特征变量，通过偏最小二乘（PLSR）、支持向量机（SVM）和基于粒子群优化的随机森林（PSO-RF）算法构建碱蓬叶片类胡萝卜素含量的估算模型并进行精度评价。研究结果表明：（1）基于叶片反射光谱，TBCRI、PSSRc、PSNDc与碱蓬叶片类胡萝卜素含量高度相关，其中TBCRI变量的相关性最高；（2）基于半经验模型和SVM算法耦合构建的碱蓬叶片类胡萝卜素含量的反演模型精度最优，决定系数R2、均方根误差RMSE、相对预测偏差RPD和标准差SD分别为0.941，0.415μg·cm-2，4.301，0.192μg·cm-2；（3）TBCRI对碱蓬叶片类胡萝卜素反演模型的贡献度最大（27%），显著优于PSNDc（18%）、CRI550（17.4%）、PSSRc（16.8%）、PRI（13.9%）和SRcar（6.9%）。基于PROSPECT-D辐射传输模型模拟碱蓬叶片反射光谱构建三波段模型，结合机器学习算法实现了滨海湿地碱蓬叶片类胡萝卜素含量的高精度反演，为有效评估退化滨海湿地碱蓬生态修复效果提供技术支撑。