数字图像处理技术以便捷、高效的优点在植物水分诊断研究中广泛应用,但目前缺乏对不同处理状态下珍贵树种的研究。针对这一现状,本文提出一种诊断不同水分处理下沉香叶片变化的图像方法,探究适合幼龄沉香生长的水分条件,为实现幼龄沉香（Aquilaria sinensis）水分亏缺程度的监测提供参考方法。本文对2年生的名贵树种沉香进行土壤水分监测,获得不同水分条件下含水率与氮素含量实证数据,分析了试验期间不同程度水分处理对幼龄沉香地径、冠幅、树高生长的影响以及对不同取样高度沉香叶片氮素含量的影响,重点讨论了基于可见光图像和多光谱图像的含水率模型的构建,研究利用Cannon EOS750D单反相机和Mica Sense Red Edge 3多光谱相机获取幼龄沉香冠层可见光-近红外图像,对不同波段图像用改进的模糊局部信息C均值聚类（FLICM）分割算法进行分割并提取图像特征,采用相关性分析（CA）剔除无效变量,利用连续投影算法（SPA）消除共线变量,运用递归特征消除（RFE）滤除冗余变量,并尝试将不同变量筛选方法进行耦合筛选关键变量,结合随机森林算法（RF）构建沉香叶片含水率的预测模型,最后利用十折交叉验证法,将连续投影算法＿递归特征消除＿随机森林融合模型（SPA＿RFE＿RF）与最小二乘法支持向量机（LSSVM）、支持向量机回归（SVR）融合模型对比检验模型的可行性,并讨论不同处理对幼龄沉香生长的影响。得到的主要结论如下:（1）在试验期内,土壤含水率控制在80%-90%范围（T3处理组）对地径生长影响较小,但对株高和冠幅生长有极显著影响。与T3处理组相比,土壤含水率在30%-40%范围内（T1处理组）显著抑制了株高的生长,说明干旱在短期内会增加对株高的负面影响;此外,干旱和过涝均显著降低了叶片氮含量,适当增加水分含量有利于提高沉香氮素的利用效率,但在极端干旱环境下,干旱变成影响幼龄沉香氮含量的主导因子,且在本研究中干旱对氮素含量地上地下分配的影响并不显著;（2）相比于T3处理组,幼龄沉香对于T1处理组更加敏感,且幼龄沉香虽有一定的自我调节能力,但干旱时间超出两周会使幼苗叶片严重受损,威胁沉香正常生长,说明沉香幼苗在两周内持续干旱下,可通过调节自身清除细胞内有害物质,但持续干旱时间超出两周时,则威胁幼龄沉香正常生长;此外,研究表明沉香最适叶片水分生长范围50%-65%,适度增加水分,有利于沉香生长;（3）FLICM算法可有效解决传统模糊聚类算法对噪声和异常值敏感问题,实现对多波段模糊图像的有效分割,为信息丰富的多波段模糊图像精准分割提供参考;模型添加红光波段（R）、绿光波段（G）、蓝光波段（B）、红边波段（RE）、近红外波段（NIR）灰度值作为输入参数,克服了单波段易受环境影响的缺点,在输入参数上融合更多的波段信息,提高了模型精度;（4）基于SPA＿RFE＿RF融合算法的幼龄幼龄沉香叶片可见光图像含水率预测模型敏感度、特异性、误报率和精度分别达到0.976、0.853、0.144、0.956,而基于SPA＿RFE＿RF融合算法构建的幼龄幼龄沉香叶片多光谱图像含水率预测模型训练集R~2为0.964,MAPE为20.67、RMSE为0.199、MSE为0.039;测试集R~2为0.945,MAPE为0.016、RMSE为2.304、MSE为5.308,该模型降低了重要性度量相关性,避免了过度拟合,较使用SPA＿RFE＿LSSVM模型和SPA＿RFE＿SVR融合模型精度分别提高了12.459%和6.493%。