玉米褐斑病是田间高发真菌病害，病害侵染会直接破坏叶片叶绿素合成与生理结构，快速、精准获取染病叶片SPAD 叶绿素相对含量，对病害早期诊断、田间精准管理及玉米品种抗病性评价至关重要。传统单一植被指数易出现光谱饱和、估算精度受限等问题，难以适配褐斑病不同胁迫程度下的 SPAD 反演需求。 针对这一行业痛点，本研究聚焦褐斑病菌胁迫下玉米叶片 SPAD 高光谱反演难题，创新性构建植被指数优化 — 纹理特征挖掘 —Stacking 堆叠融合一体化研究框架，结合成像高光谱数据，实现了病害胁迫下叶片叶绿素含量的高精度估算，为玉米病害智能监测提供了全新技术思路与方法支撑。

Estimation of SPAD in corn leaves affected by Physoderma Brown Spot based on optimized vegetation indices combined with texture features

研究单位：河北农业大学植物保护学院；

摘要：

叶绿素含量是维持叶片健康、表征病害发展进程的关键生理指标。精准量化叶片叶绿素含量，可为鉴定褐斑病（Physoderma Brown Spot，PBS）发病严重程度提供可靠依据。因此，构建适用于病害胁迫场景的专用 SPAD 估算模型具有重要研究价值。

本研究基于褐斑病胁迫下的光谱响应机理，提出一种高光谱植被指数新型优化方法，通过多特征融合耦合纹理特征，提升病害胁迫下叶片 SPAD 值的估算精度。研究首先采用逐波段穷举遍历法，依托候选指数公式构建所有波段组合；在植被指数优化过程中，优选最佳波段组合中的特征波段，提取对应纹理特征；再通过有监督降维筛选敏感纹理特征；最后采用堆叠集成策略，融合植被指数模型与纹理特征模型的预测结果，而非将两类特征直接拼接作为模型输入。

研究结果表明：由 646 nm、694 nm、966 nm 波段构建的比值型三波段植被指数，在褐斑病胁迫下 SPAD 估算效果最优，相关系数达 0.7059，决定系数R2为 0.5430，均方根误差 RMSE 为 10.7242；经有监督降维筛选的敏感纹理特征，可有效刻画 SPAD 值空间分布规律，具备良好估算能力，模型R2为 0.4453，RMSE 为 11.8155；进一步通过集成学习融合优化植被指数与敏感纹理特征后，模型性能大幅提升，R2可达 0.8276，RMSE 降至 6.6549。

本研究成功构建了褐斑病胁迫下高精度 SPAD 反演模型，在精准农业的病害诊断与田间管控中具备广阔应用潜力。

数据采集：

本研究采用 X20P高光谱成像仪采集玉米叶片高光谱数据。将玉米叶片样本均匀平铺并固定在黑色背景布上。将X20P高光谱相机架设至三脚架上，调整相机姿态，使光轴垂直于地面。该成像仪的光谱采样间隔350~1000 nm，有效波段数 164 个。

图1 试验区地理位置

表1 X20P高光谱相机参数

研究方法：

表2 2024年和2025年的疾病分级和分类标准

表3 数据集划分结果汇总

图2 本研究方法流程图

图3 植被指数与 SPAD 值的皮尔逊相关系数

表4 各类植被指数的最优波段组合

图4 单一植被指数估算模型测试集（VI1～VI8：本文构建的优化植被指数；VI9：归一化红边差值指数；VI10：MERIS 陆地叶绿素指数；VI11：红边叶绿素指数；VI12：修正叶绿素吸收反射率指数）

图5 SPAD 值与 VI7 指数的分布特征

图 6 潜在变量个数交叉验证结果

图7 样本 (a) 与特征 (b) 在潜在变量空间的分布

图8 基于 VIP 的特征重要度及筛选特征的层次聚类分析

表5 最终 7 个纹理特征详细说明

图9  全灰度共生矩阵（表 1）与优选 7 个灰度共生矩阵（表 2）估算模型测试集

图10基于 VI7 与优选灰度共生矩阵的 SPAD 估算模型测试集（样本点均匀对称分布于 1:1 拟合线两侧）

图11 基于 VI7 与优选灰度共生矩阵的 Stacking 堆叠模型残差分布

图12 叶片 RGB 影像及 SPAD 预测值空间分布

研究结论：

本研究针对褐斑病菌胁迫下叶片 SPAD 值高光谱反演难题，提出了植被指数优化 - 纹理特征挖掘 - 堆叠集成融合一体化研究框架。主要结论如下：

1. 通过替换传统植被指数的波段组合方式，构建得到优化植被指数 VI7。VI7 大幅提升了褐斑病菌胁迫下叶片 SPAD 值的估算精度，且有效缓解了高胁迫程度下的光谱反射率饱和问题。
2. 仅依靠植被指数无法实现 SPAD 值最优估算精度；从病害敏感波段提取的纹理特征可提供关键互补信息，其单独建模效果决定系数R2达 0.4453，均方根误差 RMSE 为 11.8155。
3. 基于 Stacking 堆叠集成学习模型实现了光谱信息与纹理信息的协同增强，模型决定系数R2由 0.5430 提升至 0.8276，均方根误差 RMSE 降至 6.6549。
4.  独立验证结果表明：不同病害严重度等级下，Stacking 模型相较 VI7 模型的精度提升幅度存在差异；对于重度染病叶片样本，VI7 模型已具备较好估算效果，Stacking 模型的精度提升幅度有限（决定系数提升量ΔR2≈0.05）。

综上，本研究构建了光谱 - 纹理协同新范式，攻克了褐斑病菌胁迫下 SPAD 反演中植被指数饱和、解释力不足、过度单一依赖光谱反射率等关键瓶颈。研究依托成像高光谱数据，建立了稳健、完备的 SPAD 值估算体系，可为玉米褐斑病早期诊断、田间管控及品种抗病性评价提供有效的技术支撑。

原文链接：https://doi.org/10.1016/j.atech.2026.102078