La altura de los cultivos es un indicador vital de las condiciones de crecimiento. Los métodos tradicionales de medición de la altura de los cultivos basados en imágenes de drones se basan principalmente en calcular la diferencia entre el Modelo Digital de Elevación (DEM) y el Modelo Digital de Terreno (DTM). El cálculo a menudo necesita más información del terreno, lo que sigue siendo laborioso y consume mucho tiempo. Además, las variaciones de los terrenos pueden comprometer aún más la fiabilidad de estos modelos de terreno. En respuesta a estos desafíos, presentamos G-DMD, un nuevo método basado en Unidades Recurrentes Gated (GRUs) que utiliza DEM e imágenes multiespectrales de drones para calcular la altura de los cultivos. Nuestro método permite que el modelo reconozca la relación entre la altura de los cultivos, la elevación y las etapas de crecimiento, eliminando la dependencia del DTM y mitigando así los efectos de los terrenos variados. También introducimos un proceso de preparación de datos para manejar el DEM único y la imagen multiespectral. Al evaluar utilizando un conjunto de datos de algodón, nuestro método G-DMD demuestra un aumento notable en la precisión tanto para las mediciones de altura máxima como promedio del algodón, logrando una reducción del 34% y del 72% en el Error Cuadrático Medio (RMSE) en comparación con el método tradicional. En comparación con otras combinaciones de entradas del modelo, utilizar DEM e imágenes multiespectrales de drones juntas como entradas resulta en el menor error para estimar la altura máxima del algodón. Este enfoque demuestra el potencial de integrar técnicas de aprendizaje profundo con la teledetección basada en drones para lograr una evaluación de la altura de los cultivos más precisa, eficiente en mano de obra y simplificada en terrenos variados.