La estimación precisa de la biomasa aérea (AGB) es esencial para monitorear el crecimiento de los cultivos y apoyar la agricultura de precisión. Los métodos tradicionales de estimación de AGB que se basan en índices espectrales únicos (SIs) o modelos estadísticos a menudo no logran abordar la complejidad de la estratificación vertical del dosel y la dinámica de crecimiento debido a los efectos de saturación espectral y representaciones estructurales simplificadas. En este estudio, se utilizó un vehículo aéreo no tripulado (UAV) equipado con un sensor multiespectral de 10 canales para recopilar datos de reflectancia espectral en diferentes etapas de crecimiento del algodón. Al integrar múltiples índices de vegetación (VIs) con tres algoritmos, incluidos el bosque aleatorio (RF), la regresión lineal (LR) y la máquina de soporte vectorial (SVM), desarrollamos un nuevo modelo de estimación de biomasa estratificada. Los resultados revelaron características de reflectancia espectral distintas en las capas superior, media e inferior del dosel, con modelos de biomasa de la capa superior que exhibieron una precisión superior, particularmente durante las etapas de crecimiento media y tardía. El coeficiente de determinación del modelo jerárquico basado en UAV (R2 = 0.53-0.70, RMSE = 1.50-2.96) fue mejor que el del modelo de planta completa (R2 = 0.24-0.34, RMSE = 3.91-13.85), con un R2 significativamente más alto y un error cuadrático medio (RMSE) significativamente más bajo. Este estudio proporciona un enfoque rentable y confiable para la estimación de AGB basada en UAV, abordando las limitaciones de los métodos tradicionales y ofreciendo una importancia práctica para mejorar la gestión de cultivos en la agricultura de precisión.