La biomasa sobre el suelo (AGB) es un parámetro clave que refleja el crecimiento de los cultivos y desempeña un papel vital en la gestión agrícola y la evaluación del ecosistema. El monitoreo de la biomasa en tiempo real y de forma no destructiva es esencial para una gestión precisa en el campo y la predicción del rendimiento de los cultivos. Este estudio utiliza un vehículo aéreo no tripulado (UAV) equipado con múltiples sensores para recolectar datos de teledetección durante etapas críticas de crecimiento del mijo, incluyendo información espectral, textural, térmica y de nube de puntos. El uso de datos de nube de puntos RGB facilitó la extracción de la altura de las plantas, lo que permitió un análisis posterior para discernir correlaciones entre parámetros espectrales, índices texturales, temperaturas del dosel, altura de las plantas y biomasa. Se construyeron modelos de regresión lineal múltiple (MLR), máquina de vectores de soporte (SVM) y bosque aleatorio (RF) para evaluar la capacidad de diferentes características y características integradas de múltiples fuentes en la estimación de la AGB. Los hallazgos demostraron una fuerte correlación entre la altura de las plantas derivada de los datos de la nube de puntos y la altura de las plantas medida directamente, con la estimación más precisa de la altura de las plantas de mijo logrando un R de 0.873 y RMSE de 7.511 cm. Los parámetros espectrales, la temperatura del dosel y la altura de las plantas mostraron una alta correlación con la AGB, y la correlación con la AGB mejoró significativamente después de que las características texturales fueron transformadas linealmente. Entre las características de un solo factor, el modelo de RF basado en índices texturales mostró la mayor precisión en la estimación de la AGB (R = 0.698, RMSE = 0.323 kg m, y RPD = 1.821). Al integrar dos características, el modelo de RF que incorpora índices texturales y datos de temperatura del dosel demostró un rendimiento óptimo (R = 0.801, RMSE = 0.253 kg m, y RPD = 2.244). Cuando se fusionaron las tres características, el modelo de RF construido fusionando parámetros espectrales, índices de textura y datos de temperatura del dosel fue el mejor (R = 0.869, RMSE = 0.217 kg m, y RPD = 2.766). El modelo de RF basado en parámetros espectrales, índices de textura, temperatura del dosel y altura de las plantas tuvo la mayor precisión (R = 0.877, RMSE = 0.207 kg m, y RPD = 2.847). En este estudio, se aprovecharon los efectos complementarios y sinérgicos de los datos de teledetección de múltiples fuentes para mejorar la precisión y estabilidad del modelo de estimación de la biomasa.