El monitoreo efectivo de la humedad del suelo por medios no destructivos es importante para la gestión de riego de cultivos. La densidad aparente del suelo es un factor importante que afecta la aplicación potencial de modelos de estimación de la humedad del suelo utilizando datos obtenidos de forma remota. Sin embargo, pocos investigadores se han centrado en y cuantificado el efecto de la densidad aparente en la reflectancia espectral de la humedad del suelo con diferentes texturas de suelo. Por lo tanto, cuantificamos las influencias de la densidad aparente del suelo y la textura en, y evaluamos el rendimiento de la combinación de parámetros de características espectrales con el algoritmo de red neuronal artificial (ANN) para estimar. Las conclusiones son las siguientes: (1) para suelo arenoso, los parámetros de características espectrales más correlacionados con fueron S (suma de reflectancia en el borde verde) y A_Depth (profundidad de absorción en 780-970 nm). (2) El tuvo una correlación significativa con R (reflectancia máxima en 900-970 nm) y S (suma de reflectancia en 900-970 nm) para suelo franco. (3) Los mejores parámetros de características espectrales para estimar fueron R y S para suelo franco arcilloso, respectivamente. (4) R y S mostraron una mayor precisión en la estimación de para suelo franco arenoso. R y S lograron la mejor precisión de estimación para las cuatro texturas de suelo. La combinación de parámetros de características espectrales con ANN produjo una mayor precisión en la estimación (R = 0.95 y RMSE = 0.03 m m) para las cuatro texturas de suelo.