La predicción del rendimiento de grano de arroz con imágenes multiespectrales impulsadas por UAV está volviendo a ser de interés en la agricultura de precisión, y un tiempo de detección óptimo es un factor importante. Los objetivos de este estudio fueron (1) predecir el rendimiento de grano de arroz utilizando la biomasa aérea estimada (AGB) y el índice de área foliar (LAI) a partir de índices de vegetación (VIs) y (2) determinar el tiempo de detección óptimo en la estimación de AGB y LAI utilizando VIs para la predicción del rendimiento de grano. Se llevó a cabo un ensayo experimental en 2020 y 2021, que involucró dos condiciones de fertilidad y cinco cultivares de arroz japonica (Aichinokaori, Asahi, Hatsushimo, Nakate Shinsenbon y Nikomaru). Se utilizaron VIs multitemporales para estimar AGB y LAI a lo largo del período de crecimiento con el modelo de aumento de gradiente extremo y el modelo de Gompertz. Las ventanas de tiempo óptimas para predecir el rendimiento de cada cultivar se determinaron utilizando un modelo de regresión lineal de un solo día. Los resultados muestran que AGB y LAI podrían estimarse a partir de VIs (R: 0.56-0.83 y 0.57-0.73), y la ventana de tiempo óptima para los vuelos de UAV difirió entre cultivares, variando de 4 a 31 días entre la etapa de macollamiento y la etapa inicial de espigado. Estos hallazgos ayudan a los investigadores a ahorrar recursos y tiempo en numerosos vuelos de UAV para predecir el rendimiento de grano de arroz.