为快速、准确地检测毛竹林刚竹毒蛾(Pantana　phyllostachysae　Chao)危害,基于Sentinel-2A　MSI数据分析不同刚竹毒蛾危害等级下毛竹林像元光谱的变化,从叶损量、绿度、含水率等多个维度选择对刚竹毒蛾危害具有响应能力的22个Sentinel-2A　MSI光谱衍生指标;经单因素方差分析(ANOVA)以及递归特征消除法(Recursive　feature　elimination,RFE)优选后,得到可用于刚竹毒蛾危害识别的10个遥感特征,包括LAI、RVI、NDMVI、EVI、NDVI70s、NDVI783、RegVI1、RegVI2、GVMI和NDWI;将上述指标作为自变量,虫害等级作为因变量,建立基于XGBoost模型的刚竹毒蛾危害检测模型.研究发现,Sentinel-2A　MSI数据波段6、7、8、8a对刚竹毒蛾危害具有较强的响应能力;红边与近红外波段参与构建的指数有效反映了竹林的受害情况;XGBoost模型对刚竹毒蛾危害识别的总精度为83.70％,对不同刚竹毒蛾危害等级的识别精度依次为94.72％、72.06％、79.77％、92.41％.因此,利用ANOVA-RFE筛选Sentinel-2A　MSI光谱特征建立的XGBoost虫害检测模型,具有较高的识别精度,可为毛竹林刚竹毒蛾危害遥感监测提供技术支持.