Nuevas oportunidades agronómicas para tomar decisiones agrícolas más informadas y mejorar la gestión de cultivos han sido posibles gracias a la teledetección cercana al suelo basada en drones. Ahora es posible obtener información precisa y no destructiva sobre las características biofísicas de los cultivos a escalas espaciales y temporales. Los sensores multiespectrales y térmicos montados en drones se utilizaron para evaluar la fenología, condición y estrés de los cultivos mediante la elaboración de índices espectrales de vegetación en campos de cultivo. En este estudio, se generaron índices de vegetación, ., Índice de Vegetación Resistente a la Atmósfera (ARVI), Índice de Razón de Absorción de Clorofila Modificado (MCARI), Índice de Vegetación de Rango Dinámico Amplio (WDRVI), Índice de Diferencia Normalizada Rojo-Verde (NGRDI), Índice de Verde en Exceso (ExG), Índice de Vegetación Rojo-Verde-Azul (RGBVI) e Índice de Vegetación Resistente a la Atmósfera Visible (VARI). Además, el análisis de correlación de Pearson mostró una mejor correlación entre WDRVI y VARI con LAI (R = 0.955 y R = 0.982) datos de referencia en el suelo. En contraste, se registró una fuerte correlación (R = 0.931 y R = 0.844) con MCARI y NGRDI con datos de referencia en el suelo de clorofila SPAD. Luego, los índices de mejor rendimiento, WDRVI y MCARI en algodón, y VARI y NGRDI en arroz, se utilizaron posteriormente para generar el modelo de rendimiento. Este estudio para determinar LAI y clorofila muestra que las imágenes de drones de alta resolución espacial son precisas y rápidas. Como resultado, averiguar el LAI y la clorofila y cómo afectan al rendimiento de los cultivos a escala regional resulta útil. El uso generalizado de vehículos aéreos no tripulados (UAV) y la predicción de rendimiento fueron componentes técnicos de la agricultura de precisión a gran escala.