Este estudio aborda el problema de la capacidad limitada para el monitoreo a gran escala debido al tiempo de vuelo limitado de los vehículos aéreos no tripulados (UAV) mediante la identificación de un modelo de aprendizaje automático óptimo de inversión de contenido de clorofila foliar (LCC) en diferentes escalas y bajo diferentes esquemas de parametrización basados en observaciones simultáneas de muestreo terrestre, vuelo de UAV e imágenes satelitales.