En los últimos años, la agricultura global ha enfrentado varios desafíos exacerbados por los efectos de los cambios climáticos, como la escasez extrema de agua para riego y las olas de calor. El estrés por déficit hídrico afecta negativamente la morfo-fisiología de numerosos cultivos, incluido el soja (Glycine max L.), que se considera un cultivo prometedor en Bangladesh. El extracto de algas marinas (EAM) tiene el potencial de mejorar el rendimiento de los cultivos y aliviar los efectos adversos del estrés por déficit hídrico. La teledetección remota y proximal también se utiliza ampliamente para estimar rasgos morfo-fisiológicos debido a su costo-eficiencia y características no destructivas. El estudio se llevó a cabo para evaluar los rasgos morfo-fisiológicos de la soja bajo la aplicación de extractos de agua de Gracilaria tenuistipitata var. liui (alga roja) con dos condiciones de riego de agua variables (100% del requerimiento total de agua del cultivo (RTAC) y 70% del RTAC). El análisis de componentes principales (ACP) reveló que entre los cuatro tratamientos, el tratamiento de riego al 70% + 5% (v/v) de EAM y el tratamiento de riego al 100% se superpusieron, indicando que la aplicación de EAM mitigó efectivamente el estrés por déficit hídrico en la soja. Este resultado demuestra que la aplicación foliar de 5% de EAM permitió que la soja alcanzara un rendimiento morfo-fisiológico comparable al de las plantas completamente irrigadas, mientras se redujo el uso de agua de riego en un 30%. Basado en la matriz de correlación de Pearson, se utilizó un modelo de regresión lineal simple para determinar la relación entre los índices de vegetación derivados de vehículos aéreos no tripulados (VANT) y las características fisiológicas medidas en campo de la soja. El Índice de Diferencia Normalizada del Borde Rojo (NDRE) se correlacionó fuertemente con la conductancia estomática (R2 = 0.76), la eficiencia del fotosistema II (R2 = 0.78), la fluorescencia máxima (R2 = 0.64) y la tasa aparente de transpiración (R2 = 0.69). El Índice de Vegetación Ajustado por Suelo (SAVI) tuvo la correlación más alta con el contenido relativo de agua en las hojas (R2 = 0.87), el Índice de Diferencia Normalizada de Vegetación Azul (bNDVI) con la fluorescencia en estado estacionario (R2 = 0.56) y el déficit de presión de vapor (R2 = 0.74), y el Índice de Diferencia Normalizada de Vegetación Verde (gNDVI) con el contenido de clorofila (R2 = 0.73). Nuestros resultados demuestran cómo se pueden integrar los datos de VANT y fisiológicos para mejorar la agricultura de precisión en soja y apoyar la producción sostenible de soja bajo estrés por déficit hídrico.