La predicción de rendimiento es de gran importancia en la producción agrícola. La tecnología de teledetección basada en vehículos aéreos no tripulados (UAVs) ofrece la capacidad de predicción de rendimiento de cultivos no intrusiva con bajo costo y alta capacidad. En este estudio, se realizó un experimento de campo de trigo de invierno con tres niveles de riego (T1 = 240 mm, T2 = 190 mm, T3 = 145 mm) en la provincia de Henan. Se obtuvieron índices de vegetación multiespectrales (VIs) e índices de estrés hídrico del dosel (CWSI) utilizando un UAV equipado con cámaras multiespectrales e infrarrojas térmicas. Se propuso un marco que combina una red neuronal de memoria a corto y largo plazo y bosque aleatorio (LSTM-RF) para predecir el rendimiento del trigo utilizando VIs y CWSI de múltiples etapas de crecimiento como predictores. Los resultados de validación mostraron que el coeficiente de determinación R^2 de 0.61 y el valor de RMSE de 878.98 kg/ha se lograron al predecir el rendimiento de grano utilizando LSTM. El modelo LSTM-RF obtuvo mejores resultados de predicción en comparación con LSTM con un R^2 de 0.78 y RMSE de 684.1 kg/ha, lo que equivale a una reducción del 22% en el RMSE. Los resultados mostraron que LSTM-RF consideró tanto las características de series temporales del proceso de crecimiento del trigo de invierno como las características no lineales entre los datos de teledetección y los datos de rendimiento de cultivos, proporcionando una alternativa para una predicción precisa de rendimiento en la gestión agrícola moderna.