Kelapa sawit (Elaeis guineensis) merupakan salah satu komoditas perkebunan yang memiliki peran strategis dalam pembangunan ekonomi Indonesia. Produksi minyak sawit dan inti sawit pada tahun 2018 tercatat sebesar 48,68 juta ton, yang terdiri dari 40,57 juta ton crude palm oil (CPO) dan 8,11 juta ton palm kernel oil (PKO). Jumlah produksi tersebut berasal dari Perkebunan Rakyat sebesar 16,8 juta ton (35%), Perkebunan Besar Negara sebesar 2,49 juta ton (5%,) dan Perkebunan Besar Swasta sebesar 29,39 juta ton (60%). Dengan target produksi tahunan dengan konsep mempertahankan pertumbuhan volume produksi di tahun-tahun mendatang, sehingga diperlukan upaya-upaya untuk mempertahankan yield tanaman dengan menyelesaikan problematika areal yang ada dan mempertahankan tanaman dengan yield yang sesuai standart dengan pendekatan penginderaan jauh untuk memetakan kandugan unsur hara tanaman dan prioritas penangan blok. Lokasi kajian yang dipilih berada di areal perkebunan kelapa sawit PT Bumitama Gunajaya Agro Wilayah 10 Region Sei Melayu pada 7 blok di Divisi 4 Estate Bukit Belaban Jaya Estate. Jumlah sampel yang digunakan sebanyak 60 titik sampel dengan mengambil daun dari kelapa sawit. Pengambilan dan penetuan titik sampel menggunakan metode nested sampling secara sistematis. Kemudian sampel daun dilakukan pencekan kandungan haranya (N, P, K, Ca, Mg, B, Cu). Penggunaan drone dan citra sentinel menjadi perbandingan tingkat hasilnya. Indeks vegetasi yang digunakan diantarnya Green Leaf Index (GLI), Visible Atmospherically Resistance Index (VARI), Normalized Difference Vegetasi Index (NDVI), Enhaced Vegetation Index (EVI), Soil Adjusted Vegetasi Index (SAVI), Green Red Vegetation Index (GRVI). Selanjutnya dilakukan uji analisi normalitas, uji korelasi, uji regresi, uji t-berpasangan, dan scoring. Hasil dari scoring dan estimasi kandungan unsur hara nantinya digabung sehingga dapat menentukan prioritas penganan blok. Hasil penelitian menunjukkan bahwasannya dengan metode skoring dihasilkan prioritas satu areal banjir, prioritas dua areal semak, prioritas tiga poor figure. Untuk estimasi kandungan unsur hara memiliki nilai R square tertinggi sebesar 0,70 dengan penggunaan teknologi drone, dengan persamaan estimasi Y = 2,23844 + (GLI*2,42519). Pengggunaan model estimasi Y = 2,23844 + (GLI*2,42519) ini nantinya akan menghasilkan dugaan kandungan unsur hara nitrogen dengan tingkat keakuratan 70%. Hasil metode scoring dan estimasi kandungan hara dilakukan marge untuk dapat melihat dan menentukan prioritas penangan blok. Hasil peta prioritas penanganan blok menghasilkan prioritas 1 sebanyak 1.866 pokok dengan ditandai dengan warna merah pada peta, prioritas 2 sebanyak 15.703 pokok dengan ditandai dengan warna kuning pada peta dan prioritas 3 sebanyak 88.216 pokok dengan ditandai dengan warna hijau pada peta.