Los modelos espectrales basados en imágenes ayudan a estimar el rendimiento del maíz. Durante las fases fenológicas vegetativas y reproductivas, el cultivo de maíz experimenta cambios causados por tensiones bióticas y abióticas. Estas variaciones pueden cuantificarse utilizando modelos espectrales, que son herramientas que ayudan a los productores a gestionar los cultivos. Sin embargo, definir el momento correcto para obtener estas imágenes sigue siendo un desafío. En este estudio, se plantea la hipótesis de la posibilidad de estimar el rendimiento del maíz utilizando imágenes multiespectrales, considerando el momento óptimo para detectar las diferencias causadas por diversas etapas fenológicas. Por lo tanto, el objetivo principal de este trabajo fue definir la etapa fenológica ideal para tomar imágenes multiespectrales para estimar el rendimiento del maíz. Se consideraron bandas multiespectrales e índices de vegetación derivados del satélite Planet como variables predictoras para los datos de entrada de los modelos. Utilizamos el error porcentual cuadrático medio y el error porcentual medio absoluto para evaluar la precisión y la tendencia de las estimaciones de rendimiento. Se encontró que la fase fenológica reproductiva R2 era óptima para determinar los modelos espectrales basados en las imágenes, que obtuvieron el mejor error porcentual cuadrático medio del 9,17% y el segundo mejor error porcentual medio absoluto del 7,07%. Aquí, demostramos que es posible estimar el rendimiento en una plantación de maíz en una etapa anterior a la cosecha a través de imágenes multiespectrales del satélite Planet.