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、NDVI_(705)、NDVI_(783)、RegVI_1、RegVI_2、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。