霜冻是影响冬小麦生产的主要农业气象灾害之一。为了提高冬小麦霜冻影响下的监测精度和准确性,利用高光谱遥感对植株生理生化参数进行监测。本研究以拔节期冬小麦为研究对象,进行了模拟霜冻实验。实验于2021年在安徽农业大学农萃园和气象学实验室进行,选取江淮地区冬小麦五个主推种植品种:徐农029（A1）、伟隆169（A2）、皖垦869（A3）、恒进麦8号（A4）、徐麦35号（A5）,设置三个胁迫温度处理,分别为-1.0℃（L1）、-3.0℃（L2）、-5.0℃（L3）,在胁迫前后分别对冬小麦叶片进行高光谱数据采集和叶绿素相对含量（SPAD）、可溶性糖含量、过氧化物酶（POD）等生理生化指标的测定,并将得到的冬小麦叶片高光谱数据和生理生化指标进行分析,研究冬小麦在霜冻前后生理生化指标的变化趋势。对原始光谱进行一阶微分（FD）、希尔伯特变换（HT）、多项式平滑（SG）和快速傅里叶变换（FFT）预处理后,通过核主成分分析（KPCA）、竞争性自适应重加权算法（CARS）、连续投影算法（SPA）等统计学分析方法提取特征光谱信息,运用LIBSVM、随机森林（RF）、极限学习机（ELM）和BP神经网络（BPNN）等机器学习算法将生理生化指标与高光谱数据构建估算和分级监测模型并进行验证。本研究的主要结论如下:（1）随着温度的降低,各品种冬小麦SPAD值主要呈现先上升后下降的趋势,可溶性糖含量和POD活性主要呈现增加的趋势。A2、A3、A4和A5的可溶性糖含量和A2、A3、A4的POD活性最大值均出现在L3处理。霜冻影响下各品种之间的抗逆性指标具有显著性差异。SPAD值与可溶性糖含量间显著相关,其相关系数为0.52。（2）冬小麦叶片霜冻前后光谱曲线的形状和变化趋势基本相似。随着低温水平的变化,SPAD值越高,在可见光波段反射率越小,近红外波段反射率大;SPAD值越低,可见光波段反射率越大,近红外波段反射率小。不同低温水平下A3、A4组的冬小麦可溶性糖含量和POD活性都呈现显著上升,霜冻后的SPAD值较霜冻前上升。FD和HT处理后光谱与原始光谱相比发生较大的变化,突显了波段特征并且提高了冬小麦生理生化指标和光谱的相关性。（3）将冬小麦叶片的原始光谱进行预处理,与生理生化指标建立相关关系,提取出相关性较高的光谱特征波段,对特征波段降维后,分别建立LIBSVM,RF,ELM和BPNN监测模型并验证评价。结果表明,FD-CARS-RF组合构建的冬小麦SPAD监测模型效果最佳,预测集R~2为0.721,RMSE为4.259。FD-CARS-RF组合构建的冬小麦可溶性糖监测模型效果最佳,预测集R~2为0.546,RMSE为1.642。HT-KPCA-RF组合构建的冬小麦POD监测模型效果最佳,预测集R~2为0.256,RMSE为1.740×10~4。（4）将冬小麦叶片的光谱数据经过预处理和降维后,提取特征波段,分别利用LIBSVM,RF,ELM和BPNN模型对冬小麦低温水平进行分类实验及结果评价。结果表明,在冬小麦霜冻分级检测模型组合方式中,HT-SPA-LIBSVM、HT-SPA-BP、FD-SPA-ELM组合方式较好,测试集准确率分别为0.9050、0.8825和0.8800,标准差分别为0.0510,0.0487,0.0367。