棉花是一种重要的经济作物,目前,水肥对棉花生长非常重要,如何快速监测棉花的水肥状况,对于指导农业生产管理工作者调节灌溉量及灌溉周期、调节施肥量、精准化控、精准脱叶都有着重要的意义。而无人机遥感具有快速、无损等优点,因此,本研究以不同水、氮水平处理的棉花为研究对象,借助无人机多光谱遥感与地面高光谱遥感综合建模,提出多种应用于多光谱图像的水、氮监测模型并对其精度进行评价。本研究以新陆早57号为研究对象,在新疆昌吉市佃坝镇国家精准农业航空施药技术国际联合研究中心试验田开展。分别设置5个水分和5个氮肥梯度,以及一组空白对照。试验分别在棉花蕾期、花铃期和吐絮期多次采集无人机多光谱影像、冠层高光谱数据、以及地面验证数据棉花叶片样本并测定等效水厚度和含氮量。采用决策树、集成法（装袋树）、支持向量机、高斯过程回归（指数核函数、有理二次核函数）5种机器学习算法建立高光谱反射率、多光谱反射率对棉花冠层叶片等效水厚度及含氮量的反演模型,并将模型应用于多光谱影像评价不同模型的应用精度。结果表明:（1）从全生育期而言,研究对象冠层叶片等效水厚度与高光谱在红光和近红外两处具有较好的相关性。（2）绿光和红边两个波段与全生育期棉花冠层叶片含氮量具体相对较好的相关性。在简单的一元线性回归得出全生育期棉花冠层叶片含氮量与高光谱反射率的皮尔逊系数和决定系数在绿光和红边两处具有明显的峰值。（3）两种不同核函数的高斯过程回归模型在基于高光谱与叶片等效水厚度的建模过程中决定系数R~2分别为0.90（指数核函数）和0.89（有理二次核函数）,在基于高光谱与叶片含氮量的建模过程中决定系数R~2均为0.90。高斯过程回归模型在基于高光谱数据上反演棉花冠层叶片等效水厚度与含氮量上具有很好的效果。集成方法（装袋树）在基于多光谱图像提取的反射率与冠层叶片等效水厚度的建模过程中决定系数R~2为0.89,在基于多光谱图像提取的反射率与冠层叶片含氮量的建模过程中决定系数R~2为0.95。集成方法（装袋树）比较适用于基于多光谱图像提取的反射率进行的反演建模。（4）基于高光谱反射率构建的模型在应用过程中稳定性不如基于多光谱图像提取的反射率构建的模型。基于高光谱反射率构建的集成（装袋树）、支持向量机、决策树在建模过程中的精确性明显高于应用于多光谱图像之后。基于多光谱图像提取的反射率进行建模在应用过程中有更加优异的表现。在棉花叶片含氮量的反演中,基于多光谱图像反射率数据集的模型在应用于多光谱图像后均保持很高的精度。本研究通过获取无人机多光谱影像和冠层高光谱数据,建立光谱反射率与棉花冠层叶片等效水厚度与含氮量的反演模型,并比较和评价模型在多光谱影像中的应用效果。为监测棉花生长过程中冠层叶片等效水厚度与含氮量提供了一定的技术支撑。