La estimación precisa, oportuna y no destructiva de la biomasa total aérea de maíz (TAB) y el potencial teórico de metano bioquímico (TBMP) en diferentes etapas fenológicas es una parte sustancial de la teledetección agrícola. La asimilación de datos de vehículos aéreos no tripulados (UAV) y aprendizaje automático (ML) puede aplicarse con éxito en la predicción de TAB y TBMP de maíz; sin embargo, en la región nórdico-báltica, estas tecnologías no se explotan completamente. Por lo tanto, en este estudio, durante el período de crecimiento del maíz, rastreamos bandas multiespectrales basadas en UAV (azul, rojo, verde, borde rojo e infrarrojo) en las principales etapas fenológicas. En el siguiente paso, calculamos índices de vegetación basados en UAV, que se combinaron con mediciones de campo y diferentes modelos de ML, incluidos modelos lineales generalizados, bosques aleatorios, así como máquinas de soporte vectorial. Los resultados mostraron que las mejores predicciones de ML se obtuvieron durante el período de crecimiento de ampollas de maíz (R2)-Masa (R4), cuando los modelos de predicción lograron explicar el 88-95% de la variación de TAB y el 88-97% de la variación de TBMP. Sin embargo, para el uso práctico de los agricultores, el momento más adecuado para una predicción adecuada de TAB y TBMP en el área nórdico-báltica es la etapa V7-V10. Concluimos que las técnicas de UAV en combinación con modelos de ML se aplicaron con éxito para la estimación de TAB y TBMP de maíz, pero se debe continuar con investigaciones similares para mejorar aún más.