Los modelos de simulación de cultivos son una herramienta importante para evaluar el rendimiento de los agroecosistemas y el impacto de las agrotecnologías en la condición de cobertura del suelo. Sin embargo, la alta incertidumbre y la intensidad laboral de la previsión del tiempo a largo plazo limitan la aplicabilidad de dichos modelos. Una posible solución puede ser utilizar modelos de pronóstico de series temporales (SARIMAX y Prophet) y tecnologías basadas en redes neuronales artificiales (Neural Prophet). Este trabajo compara la aplicabilidad de estos métodos para modelar la dinámica de la condición del suelo y el rendimiento de los agroecosistemas utilizando el modelo de simulación MONICA para los Chernozems de Voronic en la región de Kursk, Rusia. El objetivo es determinar qué indicadores meteorológicos son más importantes para el pronóstico de rendimiento y elegir los métodos más apropiados para pronosticar escenarios climáticos para la modelización agrícola. Se simuló la rotación de cultivos de soja y remolacha azucarera, considerando técnicas agrícolas y uso de fertilizantes como factores. Demostramos la alta sensibilidad de la producción de biomasa aérea y la dinámica de la humedad del suelo a las fluctuaciones diarias de temperatura y precipitación durante el período de vegetación. La dinámica del índice de área foliar y el contenido de nitratos mostraron menos sensibilidad a las fluctuaciones diarias de temperatura y precipitación. Entre los métodos de pronóstico propuestos, tanto SARIMAX como el algoritmo Neural Prophet demostraron la capacidad de pronosticar el clima para modelar la dinámica de los cultivos y las condiciones del suelo con el mayor grado de aproximación a las observaciones reales. Para la dinámica del rendimiento de la soja, el modelo SARIMAX exhibió el coeficiente de determinación más favorable, , mientras que para la remolacha azucarera, el modelo Neural Prophet logró niveles superiores de 0,99 y 0,98, respectivamente.