小麦作为我国三大粮食作物之一,对我国粮食安全具有重要意义。干旱是冬小麦生长过程中经常发生的逆境,对冬小麦生长状况和产量都有较大影响。高光谱技术能对地面作物冠层光谱信息进行快速、无损、准确的监测,可以直接了解作物生长发育状况。为实现干旱胁迫下冬小麦生长状况的高光谱综合监测,本研究通过设置不同程度干旱处理,分析冠层光谱对长势及抗旱生理特性的响应,利用高光谱对长势和抗旱生理特性进行监测。通过主成分分析法构建冬小麦长势和抗旱生理特性的综合指标（CI）。对冠层光谱分别进行一阶导数（First Derivative,FD）、多元散射校正（Multivariate Scatter Correction,MSC）、卷积平滑（Savitsky Golay,SG）和均值标准化（Mean Normalization,MN）处理,结合偏最小二乘回归（Partial Least Squares Regression,PLSR）和支持向量回归（Support Vector Regression,SVR）建立冬小麦长势和抗旱生理特性的综合监测模型。经研究得出以下结论:（1）干旱胁迫下冬小麦冠层光谱反射率基本高于正常灌溉。不同干旱处理下,冠层光谱反射率在770～930 nm出现的稳定带,980 nm、1200 nm和1450 nm出现的波谷以及1075 nm和1270 nm出现的波峰处差异明显。（2）FD、MSC、SG和MN预处理均可不同程度地改变冠层光谱与各指标间的相关性。与原始光谱相比,仅FD处理后的变换光谱与所有指标的相关性都有不同程度的提高,SG变换光谱与各指标间的相关性差异不大。其中,FD变换光谱与丙二醛（MDA）相关性最高,相关系数为0.798。MSC和MN变换光谱分别与等效水厚度（EWT）和叶面积指数（LAI）相关性最高,相关系数分别为0.439和-0.710。综上所述,FD能够更好的增强指标与冠层光谱间的相关性。（3）不同预处理下冬小麦各指标的PLSR模型拟合度较好,R~2均在0.680以上。其中,MN变换光谱构建的PWC监测模型效果最佳（Rc~2=0.991,RMSEc=0.073,RPDc=1.148;Rv~2=0.991,RMSEv=0.073,RPDv=1.142）。SVR模型稳定性相对较高,但仅株高（PH）、植株含水量（PWC）、过氧化氢酶（CAT）和CI的监测模型中验证集的R~2大于0.600。（4）冠层光谱对CI的监测以FD处理下的SVR模型监测效果最优（Rc~2=0.972,RMSEc=0.277,RPDc=4.817;Rv~2=0.758,RMSEv=0.776,RPDv=1.721）。