Los procesos de teledetección basados en vehículos aéreos no tripulados (VANT) han abierto nuevas posibilidades para mapear y extraer parámetros individuales de las plantas. Esto se debe principalmente a la alta resolución espacial de los datos y a la flexibilidad de adquisición de los VANT. Entre las métricas relacionadas con las plantas se encuentra el índice de área foliar (IAF), que ya se ha estimado con éxito en estudios de agronomía y silvicultura utilizando el índice de vegetación de diferencia normalizada tradicional a partir de datos multiespectrales o utilizando datos hiperespectrales. Sin embargo, el IAF no se ha estimado en castaños, y pocos estudios han explorado el uso de múltiples índices de vegetación para mejorar la estimación del IAF a partir de imágenes aéreas adquiridas por VANT. Este estudio utiliza datos multiespectrales basados en VANT de un castañar para estimar el IAF de cada árbol combinando índices de vegetación calculados a partir de diferentes segmentos del espectro electromagnético con parámetros geométricos. Se evaluaron técnicas de aprendizaje automático para predecir el IAF con algoritmos robustos que consideran la reducción de dimensionalidad, evitando el sobreajuste, y reduciendo el sesgo y la variabilidad excesiva. El mejor valor del coeficiente de determinación (R2) alcanzado fue del 85%, lo que muestra que los parámetros biofísicos y geométricos pueden explicar la variabilidad del IAF. Este resultado demuestra que la estimación del IAF mejora cuando se utilizan múltiples variables en lugar de un solo índice de vegetación. Además, otra contribución significativa es un modelo simple, confiable y preciso que se basa en solo dos variables para estimar el IAF en árboles individuales de castaño.