La biomasa sobre el suelo (AGB) es una base importante para la formación del rendimiento del trigo. Es útil recolectar de manera oportuna los datos de AGB para monitorear el crecimiento del trigo y construir grupos de trigo de alto rendimiento. Sin embargo, como la adquisición tradicional de datos de AGB se basa en muestreos destructivos, es difícil adaptarse a la modernización de la agricultura, y la precisión de la estimación de los datos espectrales por sí solos es baja y no puede resolver el problema de la saturación de índices en etapas posteriores. En este estudio, se utilizó un vehículo aéreo no tripulado (UAV) con una cámara RGB y el cinemático en tiempo real (RTK) para obtener datos de imágenes y datos de elevación al mismo tiempo durante el período crítico de fertilidad del trigo. Luego se utilizaron los métodos del percentil acumulativo y del valor medio para extraer la altura de la planta de trigo (PH), y los índices de color (CIS) y PH se combinaron para invertir la AGB de trigo utilizando modelos paramétricos y no paramétricos. Los resultados mostraron que la precisión del modelo mejoró con la adición de datos de elevación, y el modelo con la mayor precisión de estimación de período de fertilidad múltiple fue PLSR (PH + CIS), con R, RMSE y NRMSE de 0.81, 1248.48 kg/ha y 21.77%, respectivamente. En comparación con los modelos paramétricos, los modelos no paramétricos que incorporan PH y CIS mejoraron significativamente la predicción de AGB durante los períodos críticos de fertilidad en el trigo. La inclusión de datos de elevación mejora considerablemente la precisión de la predicción de AGB en el trigo en comparación con los modelos tradicionales de predicción espectral. La fusión de datos de elevación basados en UAV e información de imagen proporciona una nueva herramienta técnica para el monitoreo de AGB de trigo en múltiples temporadas.