高光谱遥感的快速发展及广泛应用为实时、精确监测作物长势提供了技术支撑,但遥感卫星采集地面作物长势时并非都是垂直方向获取,多数情况下同样存在观测角度变化的问题。同时有研究表明,垂直于地面观测角度对植被冠层结构的提取并不完整,进而限制了对植被定量遥感的精度,因此,使用多角度遥感监测作物长势对确保我国粮食安全具有重要意义。连续小波变换拥有细致丰富的尺度空间,与多角度高光谱数据结合使用可以获取到更为丰富的作物冠层结构特征信息,因此可以更加精确反演作物的信息。本研究以冬小麦干旱胁迫试验为基础,基于多角度冠层高光谱对冬小麦冠层光谱反射特性进行研究,并分析经过连续小波变换后的不同观测角度下小波能量系数与LAI的相关性,选出最佳分解尺度。随后应用BP神经网络（BP-NN）、偏最小二乘回归（PSLR）以及随机森林（RF）三种方法构建了冬小麦LAI的反演模型,使用R~2、RMSE和RPD对模型进行综合评价,选择出冬小麦LAI的最佳预测模型和最优观测角度的组合。本研究所得出的结论如下:（1）在干旱胁迫条件下,干旱胁迫程度与冬小麦冠层光谱反射率呈正比关系。在所有观测角度中,后向散射观测的冠层光谱反射率高于前向散射观测和垂直主平面观测,且观测角度为后向散射30°时冬小麦冠层光谱反射率最高。（2）冬小麦多角度冠层光谱在经过coif3小波分解后,当分解尺度为1024时,近地点观测角度数据与冬小麦LAI相关性最好,相关系数达到0.793;当分解尺度为512时,后向散射30°数据与冬小麦LAI相关性次之,相关系数达到-0.685;多角度冠层光谱经过sym8小波分解后,当分解尺度为1024时,所有观测角度数据与冬小麦LAI的相关最佳,其中近地点观测角度相关系数最高,为0.794,后向散射30°次之,相关系数为-0.683;db5小波分解后的冬小麦多角度冠层光谱数据并不适合用于监测冬小麦LAI。所以,不同的小波函数、分解尺度以及观测角度,都会影响冬小麦冠层光谱与冬小麦LAI之间的相关关系。（3）不同的小波函数、分解尺度以及观测角度,对冬小麦LAI的监测模型同样会产生很大影响。本研究表明,经过sym8小波函数变换,分解尺度为1024时,后向散射30°的RF监测模型（R~2=0.809,RMSE=1.592,RPD=1.246）最佳。本研究建立的冬小麦LAI监测模型具有较好的预测能力,与近地点观测角度相比,可以更好的实现对冬小麦LAI的监测。因此,多角度高光谱技术为作物生长信息的监测提供了一定的参考,有利于精准农业的发展。