El rendimiento de miel de los sitios de colmenas varía significativamente entre años. Esto afecta la capacidad del apicultor para gestionar la salud de las colmenas, así como la producción de miel. Esto también tiene implicaciones para los servicios ecosistémicos, como la disponibilidad de forraje para los néctarívoros o la producción de semillas. Este estudio investiga si los métodos de aprendizaje automático pueden desarrollar modelos predictivos de cosecha de una fuente de néctar clave para las abejas melíferas, los árboles de marri del suroeste de Australia, utilizando datos de estaciones meteorológicas y conjuntos de datos captados de forma remota. Los datos de cosecha de miel, datos meteorológicos y datos relacionados con la vegetación de sensores satelitales fueron características de entrada para los algoritmos de aprendizaje automático. Los árboles de regresión pudieron predecir la miel de marri cosechada por colmena con un Error Medio Absoluto (MAE) de 10.3 kg. La reducción de las características de entrada en función de su importancia relativa en el modelo logró un MAE de 11.7 kg utilizando la temperatura de noviembre como la única característica de entrada, dos meses antes de que los árboles de marri típicamente comiencen a producir néctar. La combinación de datos meteorológicos y satelitales y el aprendizaje automático ha entregado un modelo que predice cuantitativamente el potencial de cosecha por colmena. Esto puede ser utilizado por los apicultores para gestionar de forma adaptativa sus colmenas. Este enfoque puede aplicarse fácilmente a otras regiones o especies forrajeras, o utilizarse para la evaluación de algunos servicios ecosistémicos.