森林虫害早期监测预警研究一直是保护森林生态系统安全的重点。森林虫害具有传播速度快、发生面积大和危害持续时间长等特点,严重影响森林正常生长发育,甚至使一大片森林死亡。及时可靠预测森林虫害早期发生发展规律并采取有效防治措施,能够使林木破坏程度降到最低,从而达到保护森林生态安全。基于此,本研究以受雅氏落叶松尺蠖害虫的蒙古国肯特省宾德尔（binder）阿吉日根山林区作为试验区,利用地面非成像高光谱数据和地面实测调查数据,并通过高光谱特征和机器学习算法展开了虫害早期高光谱识别研究。其中地面非成像高光谱特征包括平滑光谱反射率（SSR）、微分光谱反射率（DSR）和光谱连续小波系数（CWC）等;地面实测调查数据包括林木冠层颜色和失叶率数据（选样本指示指标）,以及林叶绿素含量（CHLC）、鲜重含水率（LWCF）、干重含水率（LWCD）、光照强度在100μmol m^-2 s^-1时所对应的光合速率（A100）和光照强度在200μmol m^-2 s^-1时所对应的光合速率（A200）等虫害早期指示指标。首先利用皮尔逊（Pearson）相关性分析法进行分析高光谱特征与虫害早期指示指标之间的敏感性,其次通过Findpeaks函数（Fp）和Fp结合连续投影算法（SPA）函数模式（Fp-SPA）快速提取了虫害早期指示指标的敏感光谱特征,最后通过随机森林分类（RF）、支持向量机分类（SVC）和费歇尔判别法（FD）构建了基于虫害单个指示指标的雅氏落叶松尺蠖虫害早期高光谱识别模型,并对模型分类精度进行了评价。本研究取得以下几个结论:（1）高光谱特征对虫害早期指示指标的敏感性分析结果表面明,CHLC、LWCD、LWCF、A100和A200等虫害早期指示指标在SSR、DSR和CWC等高光谱特征上具有不同程度敏感性。其中敏感性最显著的是CWC,其次为DSR,而SSR敏感性为最差。（2）提取虫害早期指示指标的敏感高光谱特征结果表明,利用Fp-SPA结合函数模式相比单独使用Fp函数更有效提取了敏感高光谱特征波段。（3）虫害早期高光谱识别模型结果表明,CWC对虫害早期识别能力较好,并且基于CHLC的bior3.7-RF模型表现为最优,其总体精度为0.73,Kappa系数为0.64。而在模型选择上,RF模型识别效果比SVC和FD更好。可见,雅氏落叶松尺蠖虫害早期识别中,最有潜力高光谱特征为CWC,最有感知能力的指示指标为CHLC,最优早期识别模型为RF。这不仅对森林虫害早期预测预防有重要参考价值,而且为森林害虫早期遥感监测提供了一条可行的途径。