El índice de área foliar (IAF) y el contenido de clorofila foliar (CCF) son indicadores clave de la eficiencia fotosintética del cultivo y del estado de nitrógeno. Este estudio explora la integración de datos multiespectrales (MS) y de infrarrojo térmico (TIR) basados en UAV para mejorar la estimación del IAF y CCF de maíz en diferentes etapas de crecimiento, con el objetivo de mejorar la gestión del nitrógeno (N). En ensayos de campo de 2022 a 2023, los UAV capturaron imágenes del dosel de maíz bajo diferentes tratamientos de agua y nitrógeno, mientras se medían el IAF y el CCF. Se desarrollaron modelos de estimación, incluyendo regresión de mínimos cuadrados parciales (PLS), redes neuronales convolucionales (CNN) y bosques aleatorios (RF), utilizando datos espectrales, térmicos y texturales. Los resultados mostraron que los datos MS (características espectrales y texturales) tenían fuertes correlaciones con el IAF y el CCF, y los modelos de CNN arrojaron estimaciones precisas (IAF: R = 0.61-0.79, RMSE = 0.02-0.38; CCF: R = 0.63-0.78, RMSE = 2.24-0.39 g/cm). Los datos térmicos reflejaron el crecimiento del maíz pero tenían limitaciones en la estimación del IAF y CCF. La combinación de datos MS y TIR mejoró significativamente la precisión de la estimación, aumentando los valores de R para el IAF y el CCF hasta en un 23.06% y 19.01%, respectivamente. Las curvas de dilución de nitrógeno utilizando IAF estimados diagnosticaron eficazmente el estado de N del cultivo. La irrigación deficitaria redujo la absorción de N, intensificando la deficiencia de N, mientras que una adecuada gestión del agua y el N mejoró el IAF y el CCF.