El monitoreo eficiente del Contenido de Agua del Dosel (CWC) es una característica central en los estudios de vegetación. Se investigó el potencial de los datos satelitales CHRIS/PROBA de alta resolución espacial e hiperespectrales para la obtención de CWC utilizando enfoques empíricos y basados en la física. Se prestó especial atención a la selección de bandas espectrales, la técnica de inversión y el proceso de entrenamiento. Las actuaciones se evaluaron con mediciones en el suelo de la campaña de campo SEN3EXP sobre una variedad de cultivos. Los resultados mostraron que la selección óptima de bandas incluye cuatro bandas espectrales: una centrada en una característica de absorción de aproximadamente 970 nm que es sensible a Cw, y tres bandas en verde, rojo y cercano al infrarrojo para estimar el LAI y compensar los efectos a nivel de hoja y dosel. Una red neuronal simple con una sola capa oculta de cinco funciones de transferencia sigmoides tangentes entrenada sobre simulaciones de transferencia radiativa PROSAIL mostró beneficios en el rendimiento de recuperación en comparación con un enfoque de inversión de tabla de búsqueda (error cuadrático medio de 0.16 kg/m2 frente a 0.22 kg/m2). El enfoque de inversión de red neuronal mostró un buen acuerdo y rendimientos similares a un enfoque empírico de escalado basado en un algoritmo de mínimos cuadrados iterativamente reponderados multivariantes, demostrando la aplicabilidad de los métodos de inversión de modelos de transferencia radiativa a CHRIS/PROBA para el monitoreo de CWC de alta resolución espacial.