Este estudio presenta una metodología novedosa para la extracción dinámica de información sobre el crecimiento del algodón en términos de altura utilizando el sensor LiDAR DJI Zenmuse L1 montado en un Vehículo Aéreo no Tripulado (UAV) DJI Matrice 300 RTK, con el objetivo de mejorar la precisión y eficiencia del monitoreo del crecimiento dentro del ámbito de la agricultura de precisión. Empleando los algoritmos de Densificación TIN Progresiva (PTD) y Filtro de Simulación de Tela (CSF), combinados con interpolación de Kriging, generamos Modelos de Altura del Dosel (CHMs) para extraer las alturas del algodón en dos sitios agrícolas clave: Zengcheng y Tumxuk. Nuestro análisis revela que el algoritmo PTD supera significativamente al método CSF en términos de precisión, con sus valores R indicando un ajuste de modelo superior para la extracción de altura en diferentes etapas de crecimiento (Zengcheng: 0.71, Tumxuk: 0.82). A través de un procesamiento meticuloso de datos y análisis de conglomerados, este estudio no solo identifica el algoritmo más efectivo para la extracción precisa de altura, sino que también proporciona información detallada sobre los patrones dinámicos de crecimiento de variedades de algodón en diferentes regiones geográficas. Los hallazgos resaltan el papel crítico de la teledetección UAV para permitir el monitoreo de gran escala y alta precisión del crecimiento de cultivos, lo cual es esencial para la optimización de prácticas agrícolas como la fertilización y el riego de precisión. Además, el estudio demuestra el potencial de la tecnología UAV para seleccionar variedades superiores de algodón mediante el análisis de sus dinámicas de crecimiento, ofreciendo orientación valiosa para la cría y cultivo de algodón.