小麦不仅是我国华北地区的主要粮食作物,在世界范围内也是种植最为广泛的谷物之一。民以食为天,小麦的产量和长势影响一个地区的农业发展和社会安定,叶绿素含量作为评价农作物产量的重要影响因素,是反映小麦氮素营养状况的重要指标。通过叶绿素含量可以监测小麦的生长情况,估测小麦产量,这对保持农业健康稳定发展有重要意义。随着图像处理技术的日益成熟,运用图像颜色特征度量作物的叶绿素含量成为一种重要的技术手段。本文以自然环境下的小麦冠层、叶片两个尺度的图像为研究对象,提出一种基于熵权法的颜色特征选择方法,并应用机器学习方法建立小麦冠层、叶片叶绿素含量估测模型。本文的主要工作如下:（1）提出了一种基于信息熵的图像特征选择方法。首先为解决光照不均、复杂背景而造成颜色特征值精确度低的问题,采用基于超绿特征的Otsu阈值分割方法对小麦图像分割;然后提出了一种以信息熵为基础的图像特征选择方法—熵权法,熵权法通过信息熵来衡量颜色特征指标权重,实现图像特征排序。通过实验,小麦冠层图像确定了9个特征组成的特征集,叶片图像确定了7个特征组成的特征集。熵权法利用特征所包含的信息效用值来选择特征,减弱了特征指标自变量之间的线性相关性,因此与皮尔逊和主成分分析特征选择方法相比,利用较少的特征便能建立预测精度较高的估测模型。（2）基于孪生支持向量回归建立了冠层尺度的小麦叶绿素含量估测模型。在熵权法确定的小麦冠层特征集上,基于孪生支持向量回归建立了冠层尺度的小麦叶绿素含量估测模型,回归的预测能力和泛化能力最优,R2和RMSE分别为0.81、1.83,相比于多元线性回归、岭回归、随机森林回归模型R2分别提升3.9%、2.3%和2.7%,RMSE分别下降0.18、0.11和0.13。将TSVR应用于2021年的数据集,进一步验证了熵权法特征选择和孪生支持向量回归模型的有效性。（3）基于改进的鲸鱼算法优化支持向量回归建立了叶片尺度的小麦叶绿素含量估测模型。在熵权法确定的小麦叶片特征集上,通过更改指数函数非线性控制因子、增加反三角函数自适应权重因子和引入差分策略,建立了改进的鲸鱼算法优化支持向量回归的小麦叶片SPAD估测模型。与改进前的鲸鱼算法相比,模型的拟合能力与泛化能力均有了一定程度的提高,其中R2和RMSE均值分别达到0.77、2.16,较改进之前R2提高了1.7%,RMSE降低了0.25,并在2021年数据上进一步验证了改进WOA-SVR模型的有效性。