Las propiedades biofísicas de un cultivo son un buen indicador de posibles condiciones de estrés del cultivo. Sin embargo, estas propiedades visibles no pueden indicar áreas que presenten estrés no visible, por ejemplo, estrés hídrico o de nutrientes temprano. En esta investigación, se utilizaron las propiedades biofísicas del cultivo de maíz, incluida la altura del dosel y el Índice de Área Foliar (LAI), estimados utilizando imágenes RGB basadas en drones, para identificar áreas estresadas en la finca. Primero, se utilizó el modelo basado en el proceso APSIM para simular la variación temporal en el LAI y la altura del dosel bajo condiciones de manejo óptimo, y así se utilizó como referencia para estimar parámetros saludables del cultivo. El LAI y la altura del dosel simulados se compararon luego con la información de la verdad en el terreno para generar datos sintéticos para entrenar un modelo lineal y un modelo de bosque aleatorio para identificar áreas estresadas y saludables en la finca utilizando productos de datos basados en drones. Se desarrolló un modelo utilizando tanto modelos lineales como de bosque aleatorio para indicar la salud del cultivo, con un coeficiente de correlación máximo de 0.67 obtenido durante la etapa de madurez del cultivo y el rendimiento del cultivo. Aunque estos métodos son efectivos para identificar áreas estresadas y no estresadas, actualmente no ofrecen información directa sobre las causas subyacentes del estrés. Sin embargo, esto presenta una oportunidad para investigaciones adicionales y mejora del enfoque.