La estimación precisa y rápida del índice de área foliar (LAI) es esencial para evaluar el crecimiento de los cultivos y su estado nutricional, guiar la gestión agrícola y proporcionar datos valiosos de fenotipado para la cría de plantas. Comparado con las tediosas y consumidoras de tiempo mediciones manuales del LAI, la teledetección ha surgido como una herramienta valiosa para la estimación rápida y precisa del LAI; sin embargo, los métodos empíricos de modelado de inversión enfrentan desafíos de baja eficiencia para las mediciones reales del LAI y una escasa interpretabilidad del modelo. La integración de modelos de transferencia radiativa (RTMs) puede superar estos problemas hasta cierto punto. El objetivo de este estudio fue explorar el potencial de combinar el modelo PROSAIL con imágenes multiespectrales de alta resolución de vehículos aéreos no tripulados (UAV) para estimar el LAI en diferentes etapas de crecimiento a escala de parcela. En este estudio, se probaron cuatro estrategias de inversión para estimar el LAI. En primer lugar, se construyeron dos tipos de tablas de búsqueda (LUTs) para estimar el LAI de papa de diferentes variedades en diferentes etapas de crecimiento. Específicamente, LUT1 se basó en la reflectancia de bandas, y LUT2 se basó en el índice de vegetación. En segundo lugar, se construyeron modelos híbridos que combinan LUTs generadas por PROSAIL y dos algoritmos de aprendizaje automático (bosque aleatorio (RF), Regresión de Mínimos Cuadrados Parciales (PLSR)) para estimar el LAI de papa. El coeficiente de determinación (R) de los modelos para estimar el LAI mediante LUTs osciló entre 0.24 y 0.64. El método híbrido que integra datos multiespectrales de UAV, PROSAIL y aprendizaje automático mejoró significativamente la precisión de la estimación del LAI. En comparación con los resultados basados en LUT2, el modelo híbrido logró una mayor precisión con un R del modelo de inversión mejorado en un 30% a un 263%. El modelo de recuperación de LAI utilizando el modelo PROSAIL y PLSR logró un R tan alto como 0.87, mientras que el R utilizando el algoritmo RF osciló entre 0.33 y 0.81. El modelo híbrido propuesto, integrado con datos multiespectrales de UAV, PROSAIL y PLSR, puede lograr una precisión aproximada en comparación con los modelos de inversión empíricos, lo que puede aliviar el proceso intensivo en mano de obra de las mediciones de LAI para construir modelos de inversión. Por lo tanto, el enfoque híbrido proporciona una estrategia factible y eficiente para estimar el LAI de variedades de papa en diferentes etapas de crecimiento a escala de parcela.