氮素是植被整个生命周期的必要元素，红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区，本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建；然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数，采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合，进而构建CNC反演的核岭回归（KRR）模型；最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性，且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12），与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R~2val＞0.579）均优于原始20 m的影像（R~2val=0.504）；基于Sen2Res算法重建影像构建的反演模型拟合精度（R~2val=0.630,RMSE＿val=5.133,RE＿val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R~2val=0.640,RMSE＿val=5.064,RE＿val=0.179）基本相当，前者模型验证精度（R~2cv=0.497,RMSE＿cv=5.985,RE＿cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度，基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力，能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。