La predicción de rendimiento eficiente y rápida es de gran importancia para garantizar la seguridad alimentaria mundial y la investigación en mejoramiento de cultivos. El rápido desarrollo de la tecnología de vehículos aéreos no tripulados (VANT) hace que el monitoreo de cultivos mediante teledetección sea más oportuno y preciso. El objetivo de este estudio fue explorar el método de desarrollar un nuevo índice de rendimiento (IR) con amplia adaptabilidad para la predicción de rendimiento al fusionar índices de vegetación (IV), índices de color (IC) e índices de textura (IT) a partir de imágenes basadas en VANT. Se llevaron a cabo seis experimentos de campo con 24 variedades de arroz y 21 métodos de fertilización en tres estaciones experimentales en 2019 y 2020. Las imágenes multiespectrales y RGB del dosel de arroz recolectadas por la plataforma VANT se utilizaron para reconstruir seis nuevos IV e IT. El rendimiento del IR basado en IV (MAPE = 13.98%) desarrollado mediante regresión cuadrática no lineal en la etapa de madurez fue mejor que en otras etapas, y superó al de IR basado en IC (MAPE = 22.21%) e IT basado en (MAPE = 18.60%). Luego, se fusionaron seis IV, seis IC y seis IT para construir el IR mediante modelos de regresión lineal múltiple y bosques aleatorios. En comparación con la etapa de espigado (R2 = 0.78, MAPE = 9.72%) y todas las etapas (R2 = 0.59, MAPE = 22.21%), el mejor rendimiento del IR se desarrolló mediante bosques aleatorios al fusionar IV + IC + IT en la etapa de madurez (R2 = 0.84, MAPE = 7.86%). Nuestros hallazgos sugieren que el nuevo IR propuesto en este estudio tiene un gran potencial en el monitoreo del rendimiento de cultivos.