叶片叶绿素含量是评价作物光合作用和指导田间管理的重要指标,实时无损的叶绿素监测对于识别作物健康状况具有重要意义。目前,许多基于高光谱指数和小波函数的经验模型已被开发并用于估测多种作物的叶片叶绿素含量。然而,到目前为止,大多数的研究都集中在敏感波段的提取上,还缺乏高光谱指数算法、小波函数类别和波段优化对提高叶绿素估测精度的综合评价。为了进一步评价这些方法在估测玉米叶片叶绿素含量时的抗干扰能力和敏感性,构建一种普适性和稳定性更强的玉米叶片叶绿素含量估测模型,本研究选择分散波段光谱指数、红边位置算法、形状面积光谱指数和小波变换四类光谱指数算法。在2019至2021年,在内蒙古玉米种植的三个典型区域进行三个不同氮梯度的田间试验,在玉米的四个关键生育时期和三个层位获取叶片光谱反射率和叶绿素含量。首先,分析了生育时期和叶片层位对叶片叶绿素含量及其高光谱特征的影响,发现玉米叶片叶绿素含量的平均值随着生育时期的推进呈现出先增加后降低的趋势,中层叶片含量最高,玉米叶片各个生育时期和层位下的光谱反射率总体趋势一致,叶片叶绿素含量的变化直接影响光谱反射率400-800 nm区域面积的大小。其次,通过计算分散波段光谱指数、红边位置和形状面积指数与叶片叶绿素含量之间的相关性,发现波段优化后的高光谱指数显著提高了估测能力,在分散波段光谱指数中优化红边归一化差值指数（OPT-m ND705）表现最佳（R~2=0.96）;六种红边位置算法中线性外推法（REP-LE）估测精度最高（R~2=0.95）;形状面积光谱指数中优化双峰面积指数（ONDDA）估测效果最好（R~2=0.96）。与已发表的高光谱指数相比,波段优化使高光谱指数的估测能力提高了6%～76%,但指数算法对高光谱指数的稳定性和敏感波段位置具有一定的影响。随后,基于连续和离散小波函数对叶片光谱反射率进行小波变换同时构建小波特征图谱从而筛选特征波段,发现连续小波变换Mexh函数估测叶片叶绿素含量性能最佳（R~2=0.96）。最后,利用两个独立试验数据集和PROSPECT-5B模型模拟数据集对基于OPT-m ND705、REP-LE、ONDDA和Mexh的玉米叶片叶绿素含量估测模型进行评价及验证,发现ONDDA指数有着最佳的验证表现,预测值和实测值之间的R~2和RE%分别为0.92～0.96,5.84%～18.59%。高光谱指数的估测性能和敏感波段的位置都受到算法的极大影响。两个独立数据集和PROSPECT-5B模型的综合评价表明,ONDDA的预测性能最好,ONDDA的敏感波段位于670、720、750 nm。这些发现为玉米叶片叶绿素含量的估测提供了高光谱指数的选择,并为今后在更大区域上诊断玉米叶片叶绿素含量和精准掌握农作物的营养状况提供了重要的理论依据。