叶绿素含量和叶片氮含量是作物生长状况的重要指标,对其实时精准的监测有助于田间生产管理以及作物品质产量的提高.当前,高光谱技术和经验回归方法被广泛应用于构建作物生化参数预测模型.但是,有关同一生命活动周期内,作物跨期预测叶片生化参数的研究还存在空白.以超级早稻为研究对象,分别获取了蘖盛期、孕穗期、齐穗期、灌浆期和成熟期5个时期120组叶片高光谱数据、叶绿素以及叶片氮含量(LNC),采用python 3.6编程,scikit-learn(0.22.1)用来构建模型和验证评估,通过网格搜索(Grid-Search)和五折交叉验证(5-flod cross validation)在训练集中确定偏最小二乘回归(PLSR)、随机森林(RF)、支持向量回归(SVR)3种不同算法的最佳模型参数,结合数据的跨期处理,分别建立针对不同生育期的水稻叶片氮含量跨期预测模型和叶绿素跨期预测模型.此外,评估跨期预测模型与传统非跨期预测模型,独立数据对模型进行检验.结果表明,(1)基于高光谱的早稻叶绿素、氮素的非跨期预测模型中,PLSR模型预测效果最佳,分别为叶绿素(R2=0.84,RMSE=1.85)、氮素(R2=0.85,RMSE=0.11).(2)基于SVR的早稻叶绿素跨期预测模型预测效果最佳,分别为跨分蘖期(R2=0.54)、跨孕穗期(R2=0.36)、跨齐穗期(R2=0.30)、跨灌浆期(R2=0.55)、跨成熟期(R2=0.74).该结果为利用高光谱数据构建超级稻叶绿素含量预测模型提供新的理论参考,为水稻叶绿素含量的动态监测提供了模型依据.(3)早稻叶片氮含量跨期预测模型的拟合度很差,叶片氮含量预测具有不可跨期性.与非跨期预测模型相比,跨期预测模型虽然精度有所下降,但能有效克服经验模型普适性差的缺陷,有利于在同一生命活动周期内,实现作物不同生育期的生理指标预测,对实际生产管理具有重要意义.研究发现,作物生理指标存在可跨期预测性,这一概念为作物表型、作物内部品质以及产量的预测研究提供了新的思路.