准确量化植物疾病感染引起的高光谱特征变化对于有效的病害管理至关重要。然而，高光谱特征对植物病害进展的敏感性仍不清晰，主要原因在于这些特征往往不仅受特定病害的影响，还受到植物生长和环境因素的干扰。

本研究探讨了生物物理和光谱特征作为玉米适应叶斑病的指示因子的敏感性。通过使用高分辨率无人机高光谱成像，我们捕捉了感染后30天内玉米适应性的动态变化。我们评估了高光谱特征在病害监测中的敏感性和重要性，包括通过PROSAIL模型提取的生物物理参数以及光谱特征，如光谱反射率、植被指数（VIs）和小波特征（WFs）。研究结果显示，WFs在感染后6天（DAI 6）即首先表现出对病害的响应，随后在DAI 8表现出VIs的变化，而叶绿素含量（Cab）的变化则在DAI 10显现出来。研究确定了Cab、植物衰老反射指数（PSRI）和归一化光合反射指数（NPRI）是病害早期的重要特征。实验结果表明，在病害的早期和严重阶段，不同特征集具有互补性。结合Cab、VIs和WFs的分类模型比仅使用光谱特征或VIs的模型具有更高的总体准确率，最高提高了9.36%。然而，在病害轻度和初期严重阶段，这些特征集是冗余的，使用仅含光谱特征的模型达到了最高的总体准确率，为86.21%。

研究区与实验设计

研究方法流程图

基于辐射传输模型反演的生化参数时序变化

光谱反射率时序变化

植被指数时序变化

小波特征时序变化

特征重要性分析

分类模型的表现