【目的】构建基于光谱分析的蜜柚叶片钙(Ca)素含量估测模型,可为蜜柚叶片钙素含量的监测和快速无损诊断提供理论基础。【方法】分析提取蜜柚叶片原始光谱及一阶导数光谱特征波段和光谱特征指数(差值光谱指数(DSI)、比值光谱指数(RSI)和归一化光谱指数(NDSI)),构建蜜柚叶片钙素含量的单变量估测模型、偏最小二乘估测模型(PLS)、反向传播神经网络估测模型(BPNN)、随机森林估测模型(RF)和支持向量机估测模型(SVM),并评价和验证蜜柚叶片钙素含量的最优光谱估测模型。【结果】蜜柚叶片原始光谱和一阶导数光谱与钙素含量存在多波段显著相关,基于原始光谱和一阶导数光谱的相关系数,最大的波长分别为553、714 nm和528、699、602 nm。基于原始光谱和一阶导数光谱与钙素含量相关性较显著的光谱指数分别为DSI790,1040、RSI910,990、NDSI900,990和NDSI′350,580、DSI′560,570、RSI′350,580。以RSI910,990、NDSI900,990、NDSI′350,580、DSI790,1040、DSI′560,570、RSI′350,580、DSI′528,602等光谱指数为自变量构建的多项式估测模型,决定系数R²较大(R²>0.60)。运用上述4种机器学习方法建立蜜柚叶片钙素含量高光谱估测模型,PLS、BPNN、RF和SVM 4种估测模型的R2分别为0.79、0.82、0.85和0.84,均方根误差(RMSE)分别为4.33、4.11、3.81和3.93,验证模型的R2分别为0.77、0.80、0.87和0.83,RMSE分别为4.50、4.28、3.67和3.90,估测模型的精确程度为RF>SVM>BPNN>PLS。【结论】蜜柚叶片钙素含量的4种模型进行精度对比分析表明,RF估测模型的预测性优于其他3种估测模型。该结果可为蜜柚叶片钙素含量快速诊断提供新方法以供参考。