小麦条锈病是我国为害严重的麦类病害.为了对其有效地监测,本研究利用支持向量机法(SVM)结合小麦条锈病潜育期冠层高光谱信息,针对不同浓度条锈菌胁迫小麦叶片,建立了不同光谱特征下的小麦条锈病潜育期识别数学模型.结果表明：在325～1 075nm全波段范围内,利用原始光谱及其一阶导数、二阶导数,伪吸收系数[log10(1/R)]及其一阶导数、二阶导数6种光谱特征在不同建模比下所建模型的识别效果均较好,其所有模型测试集的平均准确率可达98.05％；其最优模型是以原始光谱一阶导数为光谱特征所建模型,其训练集、测试集准确率均可达100％.在分波段范围所建模型中,识别效果较好的波段集中在325～474nm和925～1 075nm,其训练集平均准确率均可达100％,测试集平均准确率均可高于95％,其最优模型的训练集和测试集准确率均可达100％.研究结果表明,基于SVM法结合麦叶冠层高光谱数据定性识别潜育期小麦条锈病是可行的,不仅大大提高了模型的识别准确率,也为小麦条锈病早期的冠层高光谱识别奠定了一定的理论基础.