棉花作为重要的经济作物,在世界及我国国民经济中占据重要地位。叶绿素含量、叶面积指数是评价棉花长势的重要生长参数,也是保证其健康生长的重要因素。目前利用多源光学遥感数据融合进行大区域、高精度作物生长参数的反演正成为新的研究热点。本文以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,实地测定试验区花铃期棉花叶片SPAD值（Soil and plant analyzer development,是通过SPAD仪测定的能间接反映植被叶绿素含量的相对值）和叶面积指数（Leaf area index,LAI）,并获取同期试验区无人机（Unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV近地图像和MSI卫星影像的光谱反射率,优选特征光谱及光谱参量,采用多元线性回归（Multiple linear regression,MLR）分别建立棉花叶片SPAD值与LAI的定量反演模型;最后采用二次多项式拟合法融合UAV近地图像和MSI卫星影像对应的特征光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区内棉花叶片SPAD值、LAI的大区域反演。具体研究内容和结果如下:（1）探明了棉花叶片SPAD值、LAI的特征光谱及光谱参量基于UAV近地图像和MSI卫星影像各波段反射率与样本实测SPAD值、LAI进行相关性分析,发现SPAD值特征波段为红光（Red,R）和红边（Red edge,REG）波段,特征光谱参量为（REG-R）/（REG+R）、R/G、CL（red edge）、NDVI;LAI特征波段为红边（Red edge,REG）和近红外（Near IR,NIR）波段,特征光谱参量为DVI、MCARI、NDRE、G+REG+NIR。无人机光谱数据与SPAD值、LAI的相关性要优于卫星,SPAD值与UAV近地图像、MSI卫星影像数据的相关性要优于LAI。（2）构建了试验区棉花叶片SPAD值、LAI定量反演模型基于选取的棉花叶片SPAD值特征光谱参量采用多元线性回归法构建试验区反演模型,其中,基于UAV近地图像的反演模型预测能力较好,建模R~2达0.709,验证R~2达0.753,RPD为2.045,模型精度优于基于MSI卫星影像的模型,被确定为试验区SPAD值最佳反演模型。基于选取的LAI特征光谱参量构建的UAV近地图像反演模型精度同样优于MSI卫星影像的模型,建模R~2达0.657,验证R~2达0.665,RPD为1.731,模型精度略低于棉花叶片SPAD值,被确定为试验区LAI最佳反演模型。基于上述最佳反演模型得到的试验区棉花叶片SPAD值、LAI预测图,整体均呈南高北低的空间分布趋势,这与实地采样时棉花南部区域长势较好、北部叶片发黄长势较差的实际情况相一致。（3）实现了研究区棉花叶片SPAD值、LAI星-机光谱参量融合反演及空间分布采用二次多项式拟合法融合对应星-机特征光谱参量,将融合前后的MSI特征光谱参量分别代入基于UAV近地图像和MSI卫星影像的反演模型,对于棉花叶片SPAD值来说,将融合后的MSI特征光谱参量代入基于UAV近地图像的反演模型(Fused MSI-SMod UAV)精度最高,建模R~2达0.672,RMSE为3.982,验证R~2达0.713,RMSE为3.859,RPD为1.685,被确定为研究区SPAD值的最佳反演模型,对于棉花叶片LAI来说,将融合后的MSI特征光谱参量代入基于UAV近地图像的反演模型(Fused MSI-LMod UAV)精度最高,建模R~2达0.635,RMSE为4.151,验证R~2达0.637,RMSE为4.289,RPD为1.476,被确定为研究区LAI的最佳反演模型。基于上述最佳反演模型得到研究区棉花叶片SPAD值、LAI预测图,均呈现四周高、中间略低的分布趋势,这与前人研究的夏津县8月初棉花长势中部一般、四周较好的结论相一致。由上述结论可见,星-机光谱参量融合,能够有效结合两者优势,实现大区域、高精度作物生长指标遥感反演,且根据最佳模型得到的空间反演结果符合实际情况。该研究可丰富作物多源光学遥感的理论技术,为区域棉花长势监测和精准生产提供更为准确的数据支持和决策支撑。