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 SpotPBS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0.4453RMSE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0.8276RMSE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VI1VI8本文构建的优化植被指数VI9归一化红边差值指数VI10MERIS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。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。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。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