El monitoreo de la calidad del agua en cuerpos de agua interiores de tamaño mediano es importante para la protección del medio ambiente acuático, dado el gran número de cuerpos de agua de tamaño pequeño a mediano en China. Se realizó un estudio de caso en el Lago Yuandang en la región del Delta del Yangtsé, con una superficie de 13 km^2. Este estudio propuso utilizar un vehículo aéreo no tripulado (UAV) multiespectral para recopilar datos a gran escala y recuperar múltiples parámetros de calidad del agua utilizando algoritmos de aprendizaje automático. Se propone un método de procesamiento alternativo para procesar imágenes de la superficie del lago grandes y repetitivas para mapear los datos de calidad del agua a la imagen. Se utilizaron métodos de regresión de aprendizaje automático (Bosque Aleatorio, Aumento de Gradiente, Red Neuronal de Retropropagación y Red Neuronal Convolucional) para construir modelos de inversión de calidad del agua separados para diez parámetros de agua. Los resultados mostraron que varios parámetros de calidad del agua (CODMn, temperatura, pH, DO y NC) se pueden recuperar con una precisión razonable (R^2 = 0.77, 0.75, 0.73, 0.67 y 0.64, respectivamente), aunque otros (NH3-N, BGA, TP, turbidez y Chl-a) tienen un coeficiente de determinación (R^2) inferior a 0.6. Este trabajo demostró el enorme potencial de emplear datos multiespectrales junto con algoritmos de aprendizaje automático para recuperar múltiples parámetros de calidad del agua para el monitoreo de cuerpos de agua de tamaño mediano.