冬小麦作为我国主要的商品粮,低温冻害一直是影响其安全生产的限制性因素。传统的小麦生理生化指标测定方法大多采取野外破坏性取样的方式,结合化学实验分析,结果耗时、费力、效率低,且局限于“点尺度”上采样,不适合大范围开展。而利用高光谱遥感技术获取冬小麦叶片生理指标,对于快速、无损地监测作物长势,指导麦田管理,推进精准农业的发展提供了数据资料和技术支持。本研究以苗期12个不同品种的冬小麦为研究对象,以田间试验为依托,在寒潮低温前后,测定小麦叶片叶绿素（SPAD）和可溶性糖含量,同时获取小麦叶片高光谱反射率。基于不同光谱参数和预处理方式,探讨了冬小麦叶片在低温胁迫前后的反射光谱和一阶微分后的光谱特征与变化规律,采用相关性分析法遴选出5个与叶绿素含量相关系数最高的特征变量建立反演模型,以及利用主成分分析法结合机器学习中随机森林算法构建了可溶性糖含量的估算模型。研究结果可为低温胁迫下冬小麦大规模快速监测提供技术支撑。主要结论如下:（1）与低温胁迫前相比,胁迫后小麦叶片SPAD值与可溶性糖含量整体呈上升趋势,表明小麦在受到低温胁迫时,短期内会增加叶绿素和可溶性糖含量来增强自身抗逆性。部分冬小麦叶片在胁迫后出现叶绿素与可溶性糖含量不同程度的下降,这可能是因为不同品种间幼苗生长发育程度存在差异。（2）低温胁迫后的光谱反射率较胁迫前在部分波段有明显差异,具体表现在380～650 nm、710～860 nm以及950 nm以上的红外区域,小麦叶片受冻后的原始光谱反射率略低于胁迫前,光谱反射率在叶绿素吸收较好的可见光区域有所降低,叶片表现出受冻特征。（3）构建的小麦叶片叶绿素含量低温胁迫前后两种混合模型,交互验证后精度较低。表明常温下小麦叶绿素含量估算模型,并不适用于遭受低温胁迫后的叶绿素估算,需单独建立低温胁迫后的估算模型;利用光谱数据建立冬小麦低温胁迫下叶绿素含量反演混合模型中,以一阶光谱导数在694 nm处构建的模型估算效果最优,拟合度（R~2）为0.694,均方根误差（RMSE）为3.191,说明利用小麦叶片光谱特征波段建立低温胁迫下叶片叶绿素含量反演模型的方法是可行的,其模型表达式为Y=649.92(R′694)0.527。（4）对于构建小麦叶片可溶性糖含量混合估算模型,其原始光谱在经过4种不同预处理方法后,使用PCA主成分分析法提取出的特征波段个数为:一阶微分变换75个、多元散射校正12个、快速傅里叶变换5个、SG滤波平滑7个。将这些敏感波段输入随机森林算法,模型估算结果显示,不同预处理方法构建的模型训练集R~2均在0.88以上,RMSE低于0.1,验证集相较训练集则有较大差异。通过筛选,确定基于光谱一阶微分变换为冬小麦叶片可溶性糖含量最佳估测模型,其回归方程为:Y=0.6478x+0.0221。