A estimativa precisa e eficiente da biomassa aérea (AGB) é de grande importância para a fenotipagem do amendoim e o manejo em campo. Este estudo baseia-se na extração de características espectrais e texturais a partir de imagens multiespectrais de drones, explorando seu potencial para a estimativa não destrutiva e de alto rendimento da biomassa aérea do amendoim. O trabalho apoia-se na construção de índices de vegetação (VIs) e características texturais (TFs) baseadas na matriz de coocorrência de níveis de cinza (GLCM), utilizando os comprimentos de onda verde, vermelho, borda vermelha e infravermelho próximo, e combina 6 modelos de regressão para a análise da estimativa da biomassa aérea do amendoim. Os resultados indicam que as características texturais na banda do infravermelho próximo apresentam a maior sensibilidade à biomassa aérea do amendoim. Entre as diferentes combinações de parâmetros GLCM, a configuração com janela 7×7, direção 45° e 16 níveis de cinza permite a extração estável das características texturais do dossel do amendoim. Embora a combinação de todos os índices de vegetação e características texturais possa melhorar ligeiramente a precisão de alguns modelos, o conjunto completo de características apresenta redundância de informação, o que causa uma grande diferença entre o coeficiente de determinação (R²) e o coeficiente de determinação ajustado (adjusted R²) em alguns modelos, limitando a simplicidade do modelo. Para isso, este estudo utiliza um método de seleção de características que combina o Extreme Gradient Boosting (XGBoost) e as explicações aditivas de Shapley (SHAP), obtendo cinco variáveis-chave: índice diferencial de vegetação, variância, média, energia e índice de vegetação corrigido para o solo. Os resultados mostram que o método de seleção reduz efetivamente a dimensão de entrada do modelo, controla a diferença entre R² e adjusted R² dentro de 0,020, mantém precisão preditiva estável, garantindo R² acima de 0,840 e erro quadrático médio inferior a 0,055 kg/m². O método proposto pode fornecer suporte técnico confiável para o monitoramento de alto rendimento, fenotipagem e manejo de produção do amendoim.

monitoramento de alto rendimento; sensoriamento remoto por drone; amendoim; biomassa aérea; características texturais