摘要：综合考虑棉花黄萎病多“症状”特征对黄萎病遥感精准监测及其抗性鉴定和防治工作具有重要意义。该文结合黄萎病胁迫下棉花冠层光谱响应的生理机制,基于Relief-F算法优选出对棉花黄萎病不同“症状”变化敏感的特征谱段(531nm、699nm、701nm、1404nm),构建了一种新的棉花黄萎病病情指数(Cotton Verticillium Wilt Index,CVWI),并建立了基于支持向量机(SVM)的黄萎病遥感监测模型。研究表明:与传统病害植被指数相比,CVWI综合考虑了黄萎病导致的棉花水分、叶绿素、叶黄素、红边等理化与生理参数变化,可更好指示黄萎病病情;基于CVWI的黄萎病监测模型精度高于传统表现最好的色素比值指数(Pigment Specific Simple Ratiochl-b,PSSRb),模型的精确率、召回率与F1值分别提高了19%、6%、13%。研究结果可为棉花黄萎病大面积遥感精准监测提供新的思路与方法。