El objetivo general de este estudio es definir un sistema inteligente para predecir el rendimiento de los cítricos antes del período de cosecha. Este sistema utiliza un algoritmo de aprendizaje automático entrenado con datos históricos de campo combinados con información espectral extraída de imágenes satelitales. Para ello, utilizamos 5 años de datos históricos de un huerto marroquí compuesto por 50 parcelas. Estos datos están relacionados con el clima, la cantidad de agua utilizada para el riego, los productos de fertilización por dosis, la dosis de tratamiento fitosanitario, el tamaño de la parcela y el tipo de portainjerto en cada parcela. Además, se extrajeron dos índices muy populares, el índice de vegetación de diferencia normalizada y el índice de agua de diferencia normalizada, de imágenes satelitales de Sentinel 2 y Landsat para mejorar las puntuaciones de predicción. Logramos construir un conjunto de datos total compuesto por 250 filas, que representan las 50 parcelas durante un período de 5 años etiquetadas con el rendimiento de cada parcela. Se probaron varios algoritmos de aprendizaje automático con la optimización de parámetros necesaria, mientras que el algoritmo de búsqueda automática ortonormal dio buenas puntuaciones de predicción de 0.2489 (MAE: Error Absoluto Medio) y 0.0843 (MSE: Error Cuadrático Medio). Finalmente, el enfoque seguido en este estudio muestra un excelente potencial para la predicción del rendimiento de frutas. De hecho, la prueba se realizó en un huerto de cítricos, pero el mismo enfoque se puede utilizar en otros cultivos leñosos para lograr el mismo objetivo.