La soja, un cultivo alimentario y oleaginoso de importancia global, requiere una estimación precisa de la biomasa sobre el suelo (AGB) para optimizar la gestión y prevenir la pérdida de rendimiento. A pesar de la disponibilidad de varios métodos de teledetección, la investigación sistemática sobre la integración efectiva de la altura del dosel (CH) y la información espectral para mejorar la estimación de AGB sigue siendo insuficiente. Este estudio aborda esta brecha utilizando datos de drones. Tres enfoques de utilización de CH fueron probados: (1) combinación simple de CH e índices de vegetación espectrales (VIs), (2) fusión de CH y VI, y (3) integración de CH, VI y días de crecimiento (GDDs). Los resultados indican que agregar CH siempre mejora la estimación de AGB que se basa solo en VIs, con el enfoque de fusión superando a la combinación simple. La incorporación de GDD mejoró aún más la estimación de AGB para datos de CH altamente precisos, siendo el mejor modelo con un error cuadrático medio (RMSE) de 87.52 +/- 5.88 g/m y un error relativo medio (MRE) de 28.59 +/- 1.99%. Sin embargo, para los datos multiespectrales con baja precisión de CH, la fusión de VIs + GDD (RMSE = 92.94 +/- 6.84 g/m, MRE = 30.08 +/- 2.29%) superó a CH + VIs + GDD (RMSE = 97.99 +/- 6.71 g/m, MRE = 31.41 +/- 2.56%). Los hallazgos destacan el papel de la precisión de CH en la estimación de AGB y validan el valor de la información sobre el estado de crecimiento en la modelización robusta. La investigación futura debería priorizar el perfeccionamiento de la predicción de CH y la optimización de la construcción de variables compuestas para promover la aplicación de este enfoque en el monitoreo agrícola.