Un problema importante enfrentado por los productores de trigo es la gestión de la variación temporal y espacial de rendimiento a escala dentro del campo. Los índices de vegetación derivados de plataformas de teledetección, como Landsat, pueden proporcionar información vital que caracteriza esta variabilidad y permitir el desarrollo de indicadores de rendimiento de cultivos para mapear la productividad. Sin embargo, el índice de vegetación más apropiado y la etapa de crecimiento del cultivo para utilizar en la cartografía de rendimiento a menudo no están claros. Este estudio consideró la selección de índices de vegetación y etapas de crecimiento, y construyó y probó modelos para predecir la variación de rendimiento dentro del campo. Utilizamos 48 mapas de monitorización de rendimiento de trigo para construir modelos mixtos lineales para predecir el rendimiento que fueron probados usando validación cruzada de dejar un campo afuera. Se encontró que algunos de los modelos más simples no fueron mejorados (por modelos más complejos) para la predicción del patrón espacial de las áreas de alto y bajo rendimiento (el ranking de rendimiento dentro del campo). Además, las predicciones de rendimientos promedio a largo plazo fueron generalmente más precisas que las predicciones de rendimiento para años individuales. Por lo tanto, las predicciones a lo largo de varios años son valiosas para revelar patrones espaciales consistentes en el rendimiento. Los resultados demuestran el potencial y las limitaciones de las herramientas basadas en datos de teledetección que podrían proporcionar a los agricultores un mejor conocimiento de la variación dentro del campo para tomar decisiones de gestión más informadas.