钾是棉花生长过程中必需且喜爱的营养元素。钾素的高低直接影响棉花的生长发育和纤维品质的优劣（Pettigrew et al.，2008；Lewis et al.，2021）。由于钾在植物体内流动性强、再分配快的特点，导致钾在植物叶片中的丰缺转化迅速，因此，快速准确地估算叶片中钾含量（LKC，%）是解决植物钾调控的必要前提。近端高光谱遥感技术已成为评估精准农业的有效手段（Li et al.，2019），而高光谱成像数据能够同时获得目标对象的光谱和图像信息。因此，本研究利用棉花不同生长阶段的近端高光谱成像数据，提出了一种基于“CWT谱+图像”组合特征的棉花LKC估计模型。
       研究分别采集了棉花三个关键生育时期（蕾期、花期和铃期）各60片主茎叶样本的高光谱成像数据。采用连续小波变换（CWT）对原始光谱（R）进行分解，利用竞争自适应重加权采样（CARS）和随机蛙跳算法（RF）结合偏最小二乘回归（PLSR）模型，确定了三个生长阶段的最佳分解尺度和特征波长。基于最优“CWT谱”模型，构建灰度图像数据库，利用颜色矩和灰度共生矩阵（GLCM）提取图像特征。
       结果表明：（1）棉花不同生育期叶片的光谱反射率在近红外区域差异明显，表现为铃期>花期>蕾期。由于北疆棉花多为早熟品种，而7月中旬以后棉花处于生殖生长阶段，棉铃的生长发育、钾素的再分配，导致棉花叶片中的K逐渐转移到棉铃中（Singh et al.，2019），同时，叶片中K的缺乏使叶片厚度增加，栅栏组织和壁细胞收缩并部分断裂（Ramírez-Soler et al.，2021；Zhao et al.，2001），从而影响了近红外区域的反射率的变化。（2）棉花叶片的原始光谱经过CWT变换后，三个生育期的最佳分解尺度分别为CWT-1、3和9。以“CWT-9光谱+纹理”特征组合估算棉花LKC的最佳生育期为铃期，其决定系数（R²val）和均方根误差（RMSEval）分别为0.90和0.20 %。与单R模型（R²val=0.66，RMSEval=0.34%）相比，R²val增加了0.24。与我们的假设不同，基于“CWT谱+颜色+纹理”的组合特征并不能显著提高模型的估计精度，这意味着并不是增加越多的特征信息建立的估算模型性能就越好。此外，纹理特征比颜色特征对模型性能的改善贡献更大。这些结果为棉花中LKC的快速无损监测提供了参考。