黄龙病作为柑橘类水果最具毁灭性的疾病之一,目前尚无有效的治愈手段,因此疾病预防成为已知的唯一方法。在本文中,基于VIS-NIR光谱我们详细讨论了柑橘叶片黄龙病的辨别方法以及在分类模型中光谱特征值的提取方法。判别值(Discriminability)的运算被引入特征值提取方法中,有效地降低了分类模型的标准偏差,经过Fisher线性判别分析,基于特征值的分类模型预测准确率都超过了90％,分类效果符合预期。最后,我们又讨论了分类树(Classification Tree)在多类判别中的应用,通过对原始反射谱,一阶导数谱及被选特征值分类模型的建立,预测准确度都达到88％以上,验证了在多类判别中检测柑橘黄龙病的可行性。结合传统分类方法(k-NN,Bayesian)的结果相分析,特征值作为输入变量的分类结果明显要优于原始光谱,证实了特征值选取的正确性与重要性,并为将来开发多光谱成像技术来检测黄龙病打下了坚实的基础。