利用高光谱数据深度分析作物重金属污染一直是当前研究热点。本文基于不同铜离子(Cu2+)和铅离子(Pb2+)胁迫梯度下玉米叶片光谱微分数据,结合高阶谱估计与灰度-梯度共生矩阵(Gray Gradient Co-occurrence Matrix,GGCM)的特征提取方法,提出了Cu2+和Pb2+污染定性分析、污染元素种类识别和污染程度诊断的方法。首先,测量了不同胁迫梯度下玉米叶片光谱数据以及叶片中富集的Cu2+、Pb2+含量。然后,利用高阶谱估计的ARMA模型参数法对各类玉米叶片微分光谱数据序列进行双谱估计得到bisp_rts和bisp_qs矩阵及其相应的双谱三维图,从而可直观可视地定性分析玉米是否已受Cu2+和Pb2+污染,以及能辨别出Cu2+或Pb2+污染的元素类别。最后,构造bisp_rts和bisp_qs矩阵相应的GGCM,通过提取各GGCM的纹理参量特征值,诊断玉米叶片受Cu2+和Pb2+污染程度。实验结果表明:高阶谱估计可以100%地定性分析玉米老叶(O)、中叶(M)、新叶(N)是否已受Cu2+和Pb2+污染,也可100%地辨别出O、M叶片所受Cu2+或Pb2+污染的元素类别;bisp_rts矩阵的灰度分布不均匀性(T1)、能量(T2)特征值均能反映O、M叶片中Pb2+含量的变化,能较好地诊断O、M叶片中Pb2+的污染程度,而bisp_qs矩阵的小梯度优势(T3)特征值能反映O、M叶片中Cu2+含量的变化,能较好地诊断O、M叶片中Cu2+的污染程度。研究结果说明,高阶谱估计法在高光谱数据分析中具有着巨大潜力。