El agua y el nitrógeno (N) son factores importantes en el crecimiento de las plantas y la producción agrícola. Sin embargo, a menudo se confunden y producen síntomas superpuestos de estrés en las plantas. El objetivo de este estudio es verificar si los diferentes niveles de tratamiento de N influyen en la predicción del estado del agua y viceversa con modelado hiperespectral. Cultivamos 108 plantas de maíz en un invernadero bajo tres niveles de tratamientos de N en combinación con tres niveles de tratamientos de agua. Se recopilaron imágenes hiperespectrales de esas plantas, luego se midió el Contenido de Agua Relativa (CAR), así como el contenido de N, como verdad de referencia. Se utilizó un análisis de regresión de Mínimos Cuadrados Parciales (PLS) para construir modelos de predicción para CAR y contenido de N. Luego, se comparó su precisión y robustez según los diferentes conjuntos de datos de tratamiento de N y diferentes conjuntos de datos de tratamiento de agua, respectivamente. Los resultados demostraron que la predicción de PLS para CAR utilizando datos hiperespectrales se vio afectada por la diferencia de estrés de N (Relación de Rendimiento a Desviación; RPD de 0,87 a 2,27). Además, el conjunto de datos con doble estrés de agua y N mejoró la precisión y robustez del modelo (RPD de 1,69 a 2,64). Por el contrario, se encontró que la predicción de PLS para el contenido de N era robusta frente a la diferencia de estrés hídrico (RPD de 2,33 a 3,06). En conclusión, sugerimos que los tratamientos duales de agua y N pueden ser útiles para construir modelos con amplia aplicabilidad y alta precisión para evaluar el estado del agua de las plantas como el CAR.