利用光谱信息对作物叶绿素含量精确估测是田间作物长势评估的重要内容，也是对作物精准施肥、科学管理的基础。本文以东北水稻为研究对象，以提高叶绿素估测精度和模型可解释性为目标，提出了一种混合建模方法。首先以PROSAIL辐射传输机理模型为基础，模拟水稻冠层光谱，建立叶绿素含量的查找表，初步估测叶绿素含量，并采用最小二乘支持向量机（LSSVM）方法建立误差模型对PROSAIL输出偏差进行补偿，弥补PROSAIL建模时产生的误差。为验证模型的估测能力, 选取13种与作物叶绿素关系较为密切的植被指数，首先通过不同统计模型的模拟分析, 筛选出4种较优的植被指数，分别建立单因子输入的最优预测模型(包括GNDVI、RSI、(S_Dr-S_Db)/(S_Dr+S_Db)的乘幂模型及MCARI的指数模型)。结合4种植被指数作为输入，利用偏最小二乘法（PLS）、LSSVM回归法、BP神经网络方法及本文提出的混合建模方法分别构建水稻叶绿素含量多因子预测模型，并进行估测和验证。结果表明，相比单因子输入的最优预测模型，混合模型优势较大，具有较低预测偏差，其建模集R²=0.7406，均方根误差RMSE为0.9852，验证集R²=0.7332，RMSE为1.0843。与采用其他多因子预测模型相比，本文提出的方法同样存在一定优势，具有较高的估测精度和良好的鲁棒性。另外混合建模方法以PROSAIL模型为基础，物理意义较为明确，提高了预测模型的可解释性。因此，该方法可为作物叶绿素含量估测提供新的思路和方法，为诊断水稻氮营养含量、监测水稻长势提供参考。