小麦作为三大粮食作物之一,实时监测其长势状况对提高小麦的品质和产量至关重要。无人机遥感作为快速、高效监测作物长势的精准农业应用技术,是当前农业信息技术研究的热点。本研究基于无人机多光谱遥感平台采集冬小麦冠层多光谱影像,构建10种代表性植被指数与地面实测长势参数相结合分析,研究不同方法反演冬小麦叶面积指数和地上生物量,绘制叶面积指数和地上生物量时空分布图。主要研究内容如下:（1）冬小麦叶面积指数和地上生物量与红边波段反射率相关性都较弱,叶面积指数与红光、近红外波段反射率呈显著相关关系,相关系数达到0.65以上,地上生物量与红光、近红外波段反射率呈显著相关关系,相关系数达到0.81以上。通过小麦叶面积指数、地上生物量与植被指数的相关性分析中,发现NDVI、RVI、DVI、GNDVI及NDRE与叶面积指数、地上生物量相关性较好,相关系数绝对值均大于0.60。（2）基于无人机多光谱影像的叶面积指数估测研究。利用逐步回归、支持向量回归和随机森林回归三种建模方法,构建冬小麦叶面积指数反演模型并对模型进行评价。支持向量回归模型在反演叶面积指数中表现最佳,建模集和验证集R~2分别为0.78、0.80,均高于逐步回归模型（0.60、0.73）和随机森林模型（0.65、0.71）,对应RMSE为0.32、0.30,均低于逐步回归模型（0.43、0.34）和随机森林模型（0.40、0.36）。（3）基于无人机多光谱影像的地上生物量估测研究。利用逐步回归、支持向量回归和随机森林回归三种建模方法,构建冬小麦地上生物量反演模型并对模型进行评价。随机森林回归模型在反演地上生物量中表现最佳,建模集和验证集R~2分别为0.78、0.84,均高于逐步回归模型（0.76、0.81）和随机森林模型（0.76、0.82）,对应RMSE为115.49 g/m~2、96.00 g/m~2,均低于逐步回归模型（124.75 g/m~2、104.07 g/m~2）和随机森林模型（120.34 g/m~2、101.81 g/m~2）。（4）基于叶面积指数、地上生物量最优模型绘制时空分布图。从时间上看,叶面积指数和地上生物量随小麦生育期的推进呈现逐步增加的趋势,灌浆期时,叶面积指数增长速度放缓,地上生物量则持续增长;从空间上看,叶面积指数和地上生物量对不同施肥处理下的表现大致相同,在不同施肥处理下的长势能够通过无人机较为准确的反演。