La implementación de una aplicación de fertilización de tasa variable (VRA) basada en el estado de crecimiento de los cultivos en tiempo real reduce costos y mejora la eficiencia del trabajo. Sin embargo, los desafíos técnicos asociados con la obtención de mapas de distribución de crecimiento precisos y la aplicación de VRA, particularmente con drones agrícolas, siguen siendo poco explorados. En este estudio, nos centramos específicamente en la fertilización VRA basada en drones agrícolas para regular el contenido de proteína del trigo. Primero, se obtuvieron mapas de distribución del índice de vegetación de diferencia normalizada (NDVI) utilizando imágenes multiespectrales capturadas con un pequeño vehículo aéreo no tripulado. Posteriormente, se generó un mapa de prescripción basado en los valores de NDVI para facilitar la implementación de VRA para la fertilización. Se realizó un monitoreo continuo de los cambios en los índices de vegetación relacionados desde el post-aplicación de abono hasta la cosecha. Los resultados experimentales indicaron que seleccionar áreas de encuesta experimental específicas basadas en diferentes condiciones de crecimiento puede resultar en predicciones precisas del rendimiento final. Sin embargo, sigue siendo ineficaz para predecir el contenido de proteína o el rendimiento de proteína. Además, la fertilización VRA con menos fertilizante en áreas de alto NDVI y más fertilizante en áreas de bajo NDVI no mostró una diferencia significativa en el contenido final de proteína o el rendimiento de proteína en comparación con la fertilización uniforme convencional. Estos hallazgos proporcionan datos de referencia para avanzar en la agricultura de precisión al abordar la variabilidad a escala de campo para una producción de alta calidad y uniforme, al tiempo que presentan desafíos de investigación adicionales.