El trigo de invierno es un cultivo básico importante en todo el mundo, y el monitoreo en tiempo real del contenido de humedad del suelo (SMC) es crítico para la seguridad del rendimiento. Dirigiéndose a las necesidades de monitoreo en condiciones áridas en el sur de Xinjiang, este estudio propone un método de estimación de SMC basado en UAV y multispectral que construye nuevos índices de textura tridimensional (3-D). Se realizaron experimentos de campo durante dos temporadas de crecimiento consecutivas en la ciudad de Kunyu, en el sur de Xinjiang, China, con cuatro niveles de riego y cuatro niveles de fertilización. Se adquirieron imágenes multispectrales de alta resolución en la etapa de unión utilizando una cámara montada en un UAV. A partir de las imágenes, se extrajeron características de textura convencionales y se construyeron seis índices de textura bidimensional (2-D) y cuatro índices de textura 3-D. Se utilizó un enfoque de matriz de correlación para seleccionar combinaciones de características significativamente asociadas con el SMC. Se utilizaron bosques aleatorios (RF), regresión de mínimos cuadrados parciales (PLSR) y redes neuronales de retropropagación (BPNN) para desarrollar modelos de SMC para tres profundidades de suelo (0-20, 20-40 y 40-60 cm). Los resultados mostraron que la precisión de estimación para la capa superficial (0-20 cm) fue notablemente mayor que para las capas media y profunda. Bajo entrada de fuente única, el uso de índices de textura 3-D (Combinación 3) con RF logró el mejor rendimiento en la capa superficial (validación R = 0.827, RMSE = 0.534, MRE = 2.686%). Con entradas de fusión de múltiples fuentes (Combinación 7: características de textura + índices de textura 2-D + índices de textura 3-D) combinadas con RF, la estimación de SMC en la capa superficial mejoró aún más (R = 0.890, RMSE = 0.395, MRE = 1.91%). En comparación con los modelos que utilizan solo características de textura convencionales, la fusión aumentó R en aproximadamente un 11.4%, 11.7% y 18.1% para las capas superficial, media y profunda, respectivamente. Los hallazgos indican que los índices de textura 3-D (por ejemplo, DTTI), que integran información de textura de múltiples bandas, capturan de manera más completa la estructura espacial del dosel y son más sensibles a la dinámica de humedad de la capa superficial. La fusión de múltiples fuentes proporciona información complementaria y mejora sustancialmente la precisión del modelo. El enfoque propuesto ofrece un nuevo camino para el monitoreo preciso de SMC en tierras agrícolas áridas y tiene una importancia práctica para la estimación de humedad basada en teledetección y el riego de precisión.