Medir la variabilidad del contenido de humedad del grano de maíz (GMC) en la madurez proporciona una información esencial para la formulación de secuencias de cosecha de maíz y las aplicaciones de la agricultura de precisión. El contenido de clorofila del dosel (CCC) es un parámetro importante que describe el crecimiento de los cultivos, la tasa fotosintética, la salud y la senescencia. El objetivo principal de este estudio fue estimar el GMC del maíz en madurez a través del CCC obtenido de imágenes multiespectrales de UAV utilizando una inversión del modelo PROSAIL y comparar su rendimiento con la estimación del GMC a través de enfoques simples de índices de vegetación (VIs). Este estudio se llevó a cabo en dos campos de maíz separados de 50.3 y 56 ha ubicados en el condado de Hailun, provincia de Heilongjiang, China. Cada uno de los campos se cultivó con dos variedades de maíz. Un campo se utilizó como datos de referencia para construir el modelo, y el otro campo se aplicó para validar. Se recolectaron el contenido de clorofila de las hojas (LCC) y el índice de área foliar (LAI) del maíz en tres etapas críticas del crecimiento del cultivo, y al mismo tiempo, también se obtuvo el GMC del maíz en madurez. Durante la recolección de datos de campo, se realizó una campaña de vuelo de UAV para obtener imágenes multiespectrales de dos campos en tres etapas principales del crecimiento del cultivo. Con el fin de calibrar y evaluar el modelo PROSAIL para obtener el CCC del maíz, se simuló la reflectancia espectral del dosel del cultivo utilizando parámetros específicos del cultivo. Además, se calcularon varios VIs a partir de imágenes multiespectrales para estimar el GMC del maíz en madurez y comparar los resultados con las estimaciones de CCC. Cuando se compararon los resultados obtenidos de CCC con los datos medidos, el valor de R2 fue 0.704, el RMSE fue 34.58 g/cm2 y el MAE fue 26.27 g/cm2. La precisión de la estimación del GMC del maíz basada en el índice de borde rojo normalizado (NDRE) demostró ser la mayor entre los VIs seleccionados en ambos campos, con valores de R2 de 0.6 y 0.619, respectivamente. Aunque la precisión de la inversión de GMC de UAV es inferior a la de CCC, su rápida adquisición, alta resolución espacial y temporal, idoneidad para modelos empíricos y captura de diferencias de crecimiento dentro del campo siguen siendo técnicas útiles para el monitoreo de cultivos a escala de campo. Encontramos que las variedades de maíz son la principal razón de la variación de madurez del maíz bajo las mismas condiciones geográficas y ambientales. El método descrito en este artículo permite la agricultura de precisión basada en la teledetección de UAV al proporcionar a los agricultores una referencia espacial para la madurez de los cultivos a escala de campo.