El contenido de clorofila a y b (Cab) y el índice de área foliar (LAI) son dos parámetros clave de los cultivos, y sus inversiones cuantitativas son importantes para el monitoreo del crecimiento y la gestión de campo del trigo. Sin embargo, debido a la estrecha correlación entre las señales espectrales de estos dos parámetros y los efectos del suelo y las condiciones atmosféricas, así como los errores de modelado, la recuperación sincrónica de LAI y Cab a partir de datos de teledetección sigue siendo una tarea desafiante. En un estudio previo, presentamos la teoría de estimación óptima y establecimos el marco de inversión acoplando el modelo PROSAIL (PROSPECT + SAIL) con el modelo unificado de transferencia radiativa vectorial linealizada (UNL-VRTM). El marco utiliza completamente los espectros de radiación simulados para la recuperación sincrónica de Cab y LAI a escala de observación de UAV y tiene una buena convergencia y autoconsistencia. En este estudio, basándonos en este marco de inversión, se realizó la recuperación sincronizada de Cab y LAI con datos reales de observación de UAV de trigo y se validó con los datos medidos en tierra. Al comparar con el modelo estadístico empírico construido por el modelo PROSAIL y el modelo acoplado, máquina de vectores de soporte de mínimos cuadrados (LSSVM) y bosque aleatorio (RF), el método propuesto tiene la mayor precisión de Cab y LAI estimados a partir de datos multiespectrales de UAV (para Cab, R = 0.835, RMSE = 14.357; para LAI, R = 0.892, RMSE = 0.564). Nuestro método propuesto permite la estimación rápida y eficiente de Cab y LAI en datos multiespectrales sin mediciones previas y entrenamiento.