El contenido de clorofila es un indicador importante para estimar el crecimiento de la papa. Sin embargo, aún existen brechas en la investigación en la inversión del contenido de clorofila del dosel utilizando vehículos aéreos no tripulados (UAV) para la teledetección. Por ejemplo, enfrenta limitaciones del ciclo de crecimiento, baja precisión de parámetros, y selección de características única, y existe una falta de métodos de investigación sistemáticos eficientes y precisos. En este estudio, se desarrolló un algoritmo mejorado de Selección de Características Adaptativas hacia Adelante (AFFS) combinando datos de teledetección y datos medidos para optimizar las variables de Índice de Vegetación (VI) de entrada. Los parámetros del modelo de Máquina de Impulso de Gradiente (GBM) se optimizaron utilizando una estrategia híbrida del algoritmo de Optimización de Manada de Elefantes mejorado (EHO) (CDE-EHO) que combina Evolución Diferencial (DE) y Mutación de Cauchy (CM). El método CDE-EHO optimiza el modelo GBM, logrando la máxima precisión, de acuerdo con los resultados de prueba. Los valores óptimos de coeficientes de determinación (R) del conjunto de predicción son 0.663, 0.683 y 0.906, respectivamente, los valores de Error Cuadrático Medio (RMSE) son 2.673, 3.218 y 2.480, respectivamente, y los valores de Error Absoluto Medio (MAE) son 2.052, 2.732 y 1.928, respectivamente, durante la etapa de plántula, etapa de expansión del tubérculo y etapa de crecimiento cruzado. Este enfoque ha mejorado significativamente el rendimiento predictivo del modelo de inversión en comparación con investigaciones anteriores. El contenido de clorofila en el dosel de papa ha sido extraído con precisión en este trabajo, ofreciendo nuevas perspectivas y fuentes para futuras investigaciones en esta área.