毛竹（Phyllostachys edulis）是我国南方集约经营广泛且十分重要的森林资源之一，叶绿素含量（CCI，chlorophyll content index）是反映植物健康状况和生长情况的重要指标，实现毛竹林叶绿素含量遥感反演对监测毛竹林健康程度具有重要意义。本研究以毛竹为对象，基于卫星遥感影像与无人机多光谱数据，通过运用HSV（Hue-Saturation-Value）变换、GS（Gram-Schmidt Pan Sharpening）变换、PCA（Principal Component Analysis）变换3种方式，实现Landsat 8多光谱影像与无人机（UAV，Unmanned Aerial Vehicle）高分辨率单波段影像数据融合；选取8种植被指数，利用K邻近（KNN，k-Nearest Neighbor）回归、随机森林（RF，Random Forest）回归和CatBoost回归3种机器学习模型构建毛竹林叶片叶绿素单位含量反演模型。结果表明：①就融合效果而言，GS为最优模型，其变换均值、标准差、平均梯度联合熵、空间频率均最高，分别为73.407 8、80.672 9、29.699 2、9.765 5、74.876 9；②在基于融合多光谱数据、Landsat 8多光谱数据和无人机数据验证集上，最优算法均为RF算法（R²分别为0.687 6、0.576 1、0.425 4，RMSE分别为2.918 4 μg/cm²、3.559 5 μg/cm²、3.974 5 μg/cm²）。③基于融合数据的叶绿素含量反演效果优于仅使用Landsat 8数据和无人机数据的反演效果。本研究耦合多源遥感数据实现毛竹林叶绿素含量遥感反演，可为动态监测毛竹林健康情况提供科学参考。