Este estudio tiene como objetivo desarrollar un método efectivo y confiable para estimar los índices de calidad del arroz y el rendimiento, abordando la creciente necesidad de predicciones rápidas, no destructivas y precisas en la agricultura moderna. Se realizaron experimentos de campo en 2018 en la Estación Experimental Integral de Conservación de Agua de Suiling (47 grados 27 N, 127 grados 06 E), utilizando Longqingdao 3 como variedad de prueba. Las mediciones incluyeron el índice de área foliar (LAI), el contenido de clorofila (SPAD), el contenido de nitrógeno en las hojas (LNC) y la reflectancia espectral de las hojas durante las etapas de macollaje, unión y madurez. Con base en estos parámetros, se calcularon indicadores espectrales y se desarrollaron modelos de regresión lineal univariada para predecir los índices clave de calidad del arroz. Los resultados demostraron que los valores óptimos para la tasa de arroz integral, el contenido de humedad y el valor de sabor fueron 0.866, 0.913 y 0.651, con valores de RMSE correspondientes de 0.122, 0.081 y 1.167. Después de optimizar los modelos, los valores para la tasa de arroz integral y el valor de sabor mejoraron significativamente a 0.95 (RMSE: 0.075) y 0.992 (RMSE: 0.179), respectivamente. Notablemente, el índice espectral GM2 durante la etapa de unión logró la mayor precisión en la predicción del rendimiento, con un valor de 0.822. Estos hallazgos confirman que la integración de múltiples indicadores a través de diferentes períodos de crecimiento mejora la precisión de las predicciones de calidad y rendimiento del arroz, ofreciendo una solución robusta e inteligente para aplicaciones agrícolas prácticas.