随着人类社会对粮食产量的需求日益增加,引入现代技术提高粮食产量变得十分重要。水稻作为我国乃至世界重要的粮食作物,其产量极大影响着粮食安全。叶绿素含量是评价农作物健康状况、生产能力和环境胁迫的重要指标,实时、快速、准确获取水稻叶片叶绿素含量对水稻长势监测和田间精准管理具有重要意义。传统的叶片叶绿素获取方式需要破坏性取样,并且费时费力。随着技术的发展,遥感逐渐变成获取区域和全球农作物叶片叶绿素含量的有效途径,其中基于冠层辐射传输模型的反演方式能够定量描述植被冠层或叶片反射光谱对叶片叶绿素的响应,是叶绿素遥感反演的重要工具,但该方法的反演精度易受到选取的光谱指数和下垫面背景的干扰。为此,本文以Sentinel-2遥感卫星影像为数据源,结合典型水稻田的观测数据,使用PROSAIL辐射传输模型建立了水稻叶片叶绿素含量-水稻冠层反射率查找表,再通过多种光谱指数的构建的代价函数反演叶片叶绿素,比较分析了不同反演结果的精度差异,探索了最适宜水稻叶片叶绿素含量反演的光谱指数,厘清了背景反射率的变化对反演精度的影响,并引入G指数（Greenness index）减小背景干扰对叶片叶绿含量反演的影响。研究结果表明:（1）基于不同波段构建的光谱指数反演的叶片叶绿素含量精度存在差异。不含红边波段的叶绿素指数（CI）、简单比值指数（SR）和归一化植被指数（NDVI）反演结果R2分别为0.58、0.49和0.42,RMSE分别为13.52、11.81和20.00μg cm-2。而使用红边波段替换CI、SR和NDVI中红色波段和近红外波段构建的光谱指数反演精度明显提高。CI740、CI783、RSR、ZM、NDVI740、NDVI783、Macc和MTCI反演结果R2分别为0.68、0.64、0.73、0.70、0.68、0.71、0.73和0.70,RMSE分别为11.91、11.42、12.02、11.22、11.82、11.38、8.14和10.15μg cm-2。其中Macc反演精度最高(R2=0.73,RMSE=8.14μg cm-2).（2）利用PROSAIL模型构建查找表反演水稻叶片叶绿素会受到水面背景反射率的影响。这主要是由于PROSAIL模型无法准确描述水面背景反射率。特别在水稻生长早期,由于水面背景干扰较大,部分对背景反射率变化敏感的光谱指数反演结果明显偏低。LAI<3时,CI740、CI783、RSR、ZM、NDVI740和NDVI783反演结果平均相对误差（MRE）分别为:-35.22%、-33.80%、-34.29%、-33.91%、-33.36%和-34.71%。较LAI>3时的MRE分别增大了-22.37%、-26.29%、-19.31%、-20.77%、-22.29%、-20.14%。（3）引入G指数能够有效的消除了水稻田水面背景对叶片叶绿素反演结果的影响。引入G指数构建的CI740/G(R2=0.82,RMSE=5.84μg cm-2,MRE=3.53%)、CI783/G(R2=0.77,RMSE=7.15μg cm-2,MRE=8.61%)、RSR/G(R2=0.80,RMSE=6.11μg cm-2,MRE=2.23%)、ZM/G(R2=0.81,RMSE=7.14μg cm-2,MRE=7.95%)、NDVI740/G(R2=0.75,RMSE=6.87μg cm-2,MRE=4.16%)和NDVI783/G(R2=0.72,RMSE=7.37μg cm-2,MRE=2.01%)提高水稻叶片叶绿素含量反演精度。光谱指数与G指数结合后,对水稻背景反射率变化不再敏感,有效消除了水稻田水面背景对叶片叶绿素反演结果的影响。