Predecir el rendimiento del arroz de manera oportuna, precisa y eficiente es crucial para dirigir la producción agrícola y crear políticas alimentarias. El objetivo de este trabajo fue crear un modelo estable de estimación de alta precisión para la predicción del rendimiento de arroz de múltiples genotipos combinado con procesos de crecimiento dinámico. Al obtener datos RGB y multiespectrales del dosel de arroz durante toda la etapa de desarrollo, se recuperaron varias bandas de reflectancia, índice de vegetación, altura del dosel y volumen del dosel. Estas propiedades de teledetección se utilizaron para definir varias curvas del proceso de crecimiento del arroz. La técnica de forma k se utilizó para agrupar las diversas características basadas en las características de crecimiento del arroz, y los datos de diferentes grupos se emplearon posteriormente para crear un modelo de estimación de rendimiento. Los resultados demostraron que, en comparación con el uso exclusivo de factores espectrales y geométricos, la precisión del modelo de estimación de arroz de múltiples genotipos basado en el agrupamiento de procesos dinámicos fue mucho mayor. Con un error cuadrático medio de 315.39 kg/ha y un coeficiente de determinación de 0.82, el cálculo del rendimiento de arroz basado en características temporales del volumen del dosel fue el más preciso. El enfoque propuesto puede respaldar la agricultura de precisión y mejorar la extracción de características relacionadas con el proceso de crecimiento del arroz.