El nitrógeno (N) es un nutriente clave para mantener la productividad de los ecosistemas y la sostenibilidad agrícola; sin embargo, lograr un monitoreo de alta precisión en humedales con tipos de superficie altamente heterogéneos sigue siendo un desafío. Este estudio se centra en Caohai, un humedal representativo de meseta kárstica en China, e integra datos de teledetección multiespectral de Sentinel-2 y datos hiperespectrales de Zhuhai-1 para desarrollar un modelo de inversión de nitrógeno en el suelo basado en índices espectrales, características de textura y sus combinaciones integradas. Una comparación de cuatro modelos de aprendizaje automático (RF, SVM, PLSR y BPNN) demuestra que el modelo SVM, que incorpora datos hiperespectrales de Zhuhai-1 con características espectrales y de textura combinadas, produce la mayor precisión de inversión. La incorporación del tipo de uso del suelo como variable auxiliar mejoró aún más la estabilidad y la capacidad de generalización del modelo. El estudio revela el enriquecimiento espacial del contenido de nitrógeno en el suelo a lo largo de los márgenes del humedal de Caohai, donde los resultados de inversión por teledetección muestran niveles de nitrógeno significativamente más altos en comparación con las áreas circundantes, destacando el papel distintivo de los ecosistemas de humedales en la acumulación de nutrientes. Utilizando el humedal de Caohai en la meseta kárstica china como estudio de caso, esta investigación valida la aplicabilidad de integrar características espectrales y de textura en entornos complejos de humedales y proporciona una referencia valiosa para el monitoreo de nutrientes en el suelo en ecosistemas similares.