Los pulgones del algodón son las principales plagas que afectan negativamente el crecimiento del algodón, y también transmiten una variedad de enfermedades virales, amenazando seriamente el rendimiento y la calidad del algodón. Aunque el método tradicional de teledetección con una única fuente de datos mejora la eficiencia de monitoreo hasta cierto punto, tiene limitaciones en cuanto a reflejar las características de distribución compleja de las plagas de pulgones y su identificación precisa. Por lo tanto, existe una necesidad urgente de tecnología de teledetección UAV eficiente y de alta precisión para una identificación y localización efectivas. Para abordar los problemas mencionados, este estudio comenzó presentando una fusión de dos tipos de imágenes, a saber, imágenes pancromáticas y multiespectrales, utilizando la técnica de fusión de imágenes de Gram-Schmidt para extraer múltiples índices de vegetación y analizar su correlación con los índices de daño por pulgones. Después de fusionar las imágenes pancromáticas y multiespectrales, la correlación entre los índices de vegetación y el grado de infestación de pulgones mejoró significativamente, lo que podría reflejar de manera más precisa las características de distribución espacial de la infestación de pulgones. Posteriormente, se aplicaron estas técnicas de aprendizaje automático para modelar y evaluar el rendimiento de los datos de imágenes multiespectrales y fusionadas. Los resultados de la validación revelaron que el modelo GBDT (Árbol de Decisión de Aumento de Gradiente) para los índices de vegetación GLI, RVI, DVI y SAVI basados en los datos fusionados tuvo el mejor rendimiento, con una precisión de estimación de R2 de 0.88 y un RMSE de 0.0918, que fue claramente mejor que el de los otros cinco modelos, y que el método de monitoreo que combina la fusión de imágenes pancromáticas y multiespectrales con la precisión y eficiencia del modelo GBDT fue notablemente superior al de la imagen multiespectral única. Las imágenes pancromáticas y multiespectrales fusionadas combinadas con el modelo GBDT superaron significativamente a la imagen multiespectral única en términos de precisión y eficiencia. En conclusión, este estudio demostró la efectividad de la fusión de imágenes combinada con el modelado GBDT en el monitoreo de plagas de pulgones del algodón.