La altura del dosel de trigo es un parámetro importante para monitorear el estado de crecimiento. Predecir con precisión la altura del dosel de trigo puede mejorar la eficiencia en la gestión de campos y optimizar la fertilización y el riego. Los cambios en las características de crecimiento del trigo en diferentes etapas de crecimiento afectan la estructura del dosel, lo que conduce a cambios en la calidad de la nube de puntos LiDAR (por ejemplo, menor densidad, más puntos de ruido). Los datos multiespectrales pueden capturar estos cambios en el dosel del cultivo y proporcionar más información sobre el estado de crecimiento del trigo. Por lo tanto, se propone un método que fusiona las características de la nube de puntos LiDAR y los parámetros de características multiespectrales para estimar la altura del dosel del trigo de invierno. Se utilizaron sistemas aéreos no tripulados de baja altitud (UAS) equipados con cámaras LiDAR y multiespectrales para recopilar datos de nube de puntos y multiespectrales de campos experimentales de trigo de invierno durante tres etapas clave de crecimiento: brotación (GUS), unión (JS) y espigado (BS). Se emplearon análisis de varianza, factor de inflación de varianza y análisis de correlación de Pearson para extraer características de la nube de puntos y parámetros de características multiespectrales significativamente correlacionados con la altura del dosel. Se construyeron cuatro modelos de estimación de altura del dosel de trigo basados en los modelos de RF optimizados por Optuna (OP-RF), regresión Elastic Net, Extreme Gradient Boosting y Regresión de Vector de Soporte. Los resultados del entrenamiento del modelo mostraron que el modelo OP-RF proporcionó el mejor rendimiento en las tres etapas de crecimiento del trigo. Los valores del coeficiente de determinación fueron 0,921, 0,936 y 0,842 en GUS, JS y BS, respectivamente. Los valores del error cuadrático medio fueron 0,009 m, 0,016 m y 0,015 m. Los valores del error absoluto medio fueron 0,006 m, 0,011 m y 0,011 m, respectivamente. Al mismo tiempo, se obtuvo que los resultados de estimación al fusionar características de nube de puntos y parámetros de características multiespectrales fueron mejores que los resultados de estimación de un solo tipo de parámetros de características. Los resultados cumplen con los requisitos para la predicción de la altura del dosel. Estos resultados demuestran que la fusión de características de nube de puntos y parámetros multiespectrales puede mejorar la precisión del monitoreo de la altura del dosel del cultivo. El método proporciona un método valioso para el monitoreo por teledetección de información fenotípica de cultivos bajos y densamente plantados y también proporciona un importante soporte de datos para la evaluación del crecimiento de cultivos y la gestión de campos.