El algodón es una mercancía global fundamental subrayada por su valor económico y uso generalizado. Frente al cambio climático, criar cultivares resistentes para condiciones ambientales variables se vuelve cada vez más esencial. Sin embargo, el proceso de fenotipado, crucial para los programas de cría, a menudo se percibe como un cuello de botella debido a la ineficiencia de los métodos tradicionales de baja capacidad. Para abordar esta limitación, este estudio utiliza la teledetección hiperespectral, una herramienta prometedora para evaluar rasgos cruciales de los cultivos en cuarenta variedades de algodón. Los resultados de este estudio demostraron la efectividad de cuatro índices de vegetación (IVs) para evaluar estas variedades en cuanto a eficiencia en el uso del agua (EUA). La precisión de la predicción para EUA a través de IVs como el índice de agua de relación simple (SRWI) y el índice de agua de diferencia normalizada (NDWI) fue mayor (hasta = 0.66), lo que permitió una mejor detección de variaciones fenotípicas ( < 0.05) entre las variedades en comparación con rasgos relacionados con la fisiología (de = 0.21 a = 0.42), con alta repetibilidad y un bajo RMSE. Estos IVs también mostraron altas correlaciones de Pearson con EUA (hasta = 0.81) y rasgos relacionados con el rendimiento (hasta = 0.63). También seleccionamos variedades de alto rendimiento basadas en los IVs, EUA y rasgos de calidad de la fibra. Este estudio demostró que el enfoque de detección proximal basado en hiperespectro ayuda a evaluar rápidamente el rendimiento en temporada de las variedades para rasgos imperativos y contribuye a decisiones de cría precisas.