随着无人机、激光雷达和高光谱等遥感技术的不断发展,为快速获取大面积、多尺度、多时相植被冠层信息提供了技术支撑。色素（如叶绿素、类胡萝卜素等）是描述植被生长状态的重要生理指标之一,大范围植被冠层色素含量估测对于评估冠层生长健康、病虫害状态监测有着重要意义。而在人工林经营系统中,利用多源精细遥感估测植被冠层色素含量对人工林生长、质量监测和森林可持续经营具有重要指导意义。因此,基于无人机多源遥感定量估测人工林单木冠层色素含量将有助于提升人工林质量、推动人工林经营及可持续发展。本文围绕基于无人机多源遥感的人工林色素含量估测,以植被冠层色素含量的三维分布为研究重点。以江苏省东台林场的银杏人工林为研究对象,通过多旋翼无人机获取LiDAR（Light Detection and Ranging）点云和高光谱影像,并同期进行了地面生物化学数据采集。本研究首先对获取的LiDAR数据和高光谱影像进行了处理,预处理后的LiDAR数据生成数字表面模型（Digital Surface Model,DSM）,借助DSM进行数据融合获取光谱融合点云数据,再提取实测反射率数据计算植被指数。进而构建植被指数线性回归模型（包括一元线性回归模型和多元逐步回归模型）、以及机器学习法联合优选的植被指数估测模型（包括随机森林模型、支持向量机模型和偏最小二乘回归模型）;根据局部敏感性分析和实测数据确定辐射传输模型参数值范围,通过参数不断调优校准PROSAIL辐射传输模型生成多个查找表构建查找表数据库并确定色素含量反演的最佳查找表;在最佳查找表的基础上进一步结合集成选优算法和随机森林构建结合最佳查找表的优选植被指数回归模型;最后比较植被指数线性回归模型、机器学习法联合优选的植被指数估测模型、PROSAIL辐射传输模型和结合最佳查找表的优选植被指数回归模型精度效果,确定色素含量最佳估测模型并进行银杏冠层色素含量估测反演制图,定量分析了冠层色素含量三维分布状况。研究结果表明:（1）通过比较植被指数线性回归模型和机器学习法联合优选的植被指数估测模型精度,发现采用机器学习法能够有效地提高估测模型的精度,其中随机森林的估测能力优于其他两种机器学习算法。基于随机森林模型的13年生叶绿素含量估测精度R~2=0.86、r RMSE=10.12%,类胡萝卜素含量估测精度R~2=0.85、r RMSE=8.39%;基于随机森林模型的22年生叶绿素含量估测精度R~2=0.77、r RMSE=9.12%,类胡萝卜素含量估测精度R~2=0.69、r RMSE=9.36%。（2）比较PROSAIL辐射传输模型与结合最佳查找表的优选植被指数回归模型估测精度,PROSAIL模型色素含量估测精度R~2可达0.60、r RMSE为16.86%,而结合最佳查找表的优选植被指数回归模型估测精度R~2最高可达0.81、r RMSE=11.74%,进一步表明了随机森林对植被色素含量估测模型精度的增益。同时也表明了建表条目数量对查找表精度的影响,并确定了银杏冠层色素含量反演查找表的最佳建表条目数量为4000。13年生结合最佳查找表的优选植被指数回归模型的叶绿素含量估测精度R~2=0.81、r RMSE=11.74%,类胡萝卜素含量估测精度R~2=0.71、r RMSE=11.59%;22年生结合最佳查找表的优选植被指数回归模型的叶绿素含量估测精度R~2=0.74、r RMSE=9.70%,类胡萝卜素含量估测精度R~2=0.61、r RMSE=10.55%。（3）对比分析随机森林模型和结合最佳查找表的优选植被指数回归模型的银杏冠层色素含量估测三维分布结果,探索了银杏冠层色素含量的林龄分布规律和三维分布规律。在本研究区内,银杏色素含量随林龄增大而增加。同时,在垂直方向上,13年生冠层色素含量随树高增加而增加,而22年生色素含量随树高增加而降低;在水平方向上,两林龄冠层色素含量均表现为随树冠中心向冠层外围增加的趋势。通过综合分析,导致不同林龄的银杏冠层色素含量三维分布规律存在差异的影响因素为以下三种:冠层结构变化、树种特性以及有机物累积。