Este estudio analizó la capacidad de los índices de vegetación derivados de imágenes aéreas RGB (rojo-verde-azul) e hiperespectrales para evaluar la respuesta del maíz dulce (var. L.) a diferentes niveles de agua y nitrógeno. Se llevó a cabo un experimento de campo durante 2020 utilizando tanto imágenes RGB remotas como datos de sensor hiperespectral terrestre. Se midieron parámetros fisiológicos (es decir, índice de área foliar, contenido relativo de agua, índice de contenido de clorofila foliar y parámetros de intercambio de gases). Se realizaron análisis de correlación y de datos multivariados (análisis de componentes principales y regresión lineal paso a paso) para evaluar la fuerza de las relaciones entre las variables medidas eco-fisiológicas y tanto los índices RGB como los datos hiperespectrales. Los resultados revelaron que los índices de borde rojo, incluidos CI, NDRE y DD, fueron los mejores predictores de los rasgos fisiológicos del maíz. Además, la regresión lineal paso a paso destacó la importancia tanto de WI como de WI:NDVI para la predicción del contenido relativo de agua y la temperatura del cultivo. Entre los índices RGB, el índice de área verde mostró una contribución significativa en la predicción del índice de área foliar, la conductancia estomática, la transpiración foliar y el contenido relativo de agua. Además, los coeficientes de correlación entre las variables del cultivo estudiadas y GGA, NDLuv y NDLab fueron más altos que con los índices hiperespectrales medidos a nivel del suelo. Los hallazgos confirmaron la capacidad de los índices RGB e hiperespectrales seleccionados para evaluar el estado de agua y nitrógeno del maíz dulce y proporcionaron la oportunidad de ampliar la experimentación en otros cultivos, diversas condiciones pedoclimáticas y prácticas de manejo. Por lo tanto, los índices de vegetación RGB recolectados de forma aérea podrían representar una solución rentable para la evaluación del estado de los cultivos.