氮素是水稻生长发育期最重要的营养元素,实时、准确的获取水稻氮素含量对水稻的稳产、高产具有重要意义。近年来,无人机遥感技术在指导农作物田间管理方面广泛应用,其高效、无损的优势,为作物的营养监测研究提供了新的技术途径。利用无人机高光谱技术对粳稻的氮素含量进行反演,可以明确反映并诊断粳稻的氮营养状况,提升作物生产的动态检测和管理决策的科学性。本研究以东北粳稻为研究对象设计田间试验,在不同氮营养处理水平、粳稻不同生育期,获取基于无人机的粳稻光谱反射率、相应氮素含量数据。通过分析粳稻光谱变化规律、提取粳稻光谱特征波段,提出构建氮素特征转移植被指数的思路。以无人机光谱特征波段、氮素特征转移植被指数为模型输入,运用仿生优化算法与极限学习机模型相结合,探究东北粳稻的冠层氮素含量估算方法,获得较为准确的粳稻氮素水平为实施精准施肥提供参考依据。研究的主要成果如下:（1）基于无信息变量消除法（UVE）、自适应重加权采样法（CARS）、迭代保留信息变量法（IRIV）本对不同生育期下的400-1000nm光谱反射率数据进行特征波段筛选。利用重复执行算法的方式,不同生育期下均筛选得到6个特征波段。综合算法执行过程与建模效果,CARS算法的降维效果最佳,剔除冗余波段效率高,其构建的BAS-ELM模型决定系数R~2达到了0.686。（2）基于粳稻光谱特征波段,提出一种氮素特征转移植被指数的构建思路。基于不同时期的特征波段的筛选结果（分蘖期12个、拔节期14个、抽穗期11个）构建了由3个波段构成的氮素特征转移指数（Nitrogen Characteristic Transfer Index,NCTI）NCTI、NCTI、NCTI,该指数构建的粳稻冠层氮素含量线性回归模型决定系数R~2分别为0.845、0.681、0.816,均方根误差RMSE分别为0.705 mg/g、0.597 mg/g、0.581 mg/g,反演效果均优于经验型植被指数。说明了NCTI能够作为高光谱植被指数,应用于粳稻冠层氮素含量估测实际的研究。（3）以光谱特征波段、氮素特征转移植被指数为模型输入,构建了ELM、BAS-ELM、WOA-ELM、PSO-ELM粳稻冠层含氮量反演模型,结果表明:无人机光谱反演粳稻氮含量的整体效果较好,其中,尤以分蘖期氮素特征转移指数的BAS-ELM模型的效果最好,训练集和验证集决定系数R~2分别为0.833、0.832,估测误差RMSE分别为0.386、0.437mg/g。不同优化方法中,BAS-ELM模型的估测效果及稳定性最好,基于不同生育和不同降维方法构建的该模型验证集R~2均在0.556以上,估测误差RMSE在0.543mg/g以内。不同生育期中,以不同降维方式、建模方法构建的最佳反演模型均基于分蘖期粳稻光谱反射率,利用无人机光谱反演粳稻氮素含量的最佳生育期为分蘖期。