Considerando las altas pérdidas de rendimiento de maíz causadas por incidencias de enfermedades, así como por iniciativas de monitoreo incompletas en la agricultura de cultivos, hay una necesidad de enfoques espacialmente explícitos, rentables y consistentes para monitorear, así como para predecir, enfermedades de cultivos alimentarios, como la Mancha Foliar Gris del maíz. Dichos enfoques son valiosos para reducir las pérdidas económicas asociadas y fomentar la seguridad alimentaria. En este estudio, buscamos investigar la utilidad del próximo sensor HyspIRI en la detección de la progresión de la enfermedad de la Mancha Foliar Gris del maíz en relación con las configuraciones espectrales simuladas del Sentinel-2 MSI y Landsat 8 OLI utilizando datos sensados de manera proximal. Las categorías de infecciones de maíz por la enfermedad de la Mancha Foliar Gris, saludable, intermedia y severa, fueron discriminadas en base al algoritmo de análisis discriminante de mínimos cuadrados parciales (PLS-DA). Comparativamente, los resultados muestran que la configuración espectral simulada de HyspIRI tuvo un rendimiento ligeramente mejor que las del Sentinel-2 MSI, VENuS y Landsat 8 OLI sensor. HyspIRI mostró una precisión general de 0,98 en comparación con 0,95, 0,93 y 0,89, que fueron exhibidos por Sentinel-2 MSI, VENuS y Landsat 8 OLI sensor, respectivamente. Además, los resultados mostraron que la sección visible, el borde rojo y el NIR cubiertos por los cuatro sensores fueron las regiones espectrales más influyentes para discriminar las diferentes infecciones de la Mancha Foliar Gris del maíz. Estos hallazgos subrayan el valor potencial del próximo sensor hiperespectral HyspIRI en la agricultura de precisión y la predicción de epidemias de enfermedades de cultivos, que son necesarias para garantizar la seguridad alimentaria.