El procesamiento de imágenes entró en la era de la inteligencia artificial, y los algoritmos de aprendizaje automático surgieron como alternativas atractivas para el procesamiento de datos de series temporales. El procesamiento de series temporales de imágenes satelitales permite monitorear la fenología de los cultivos, como el cálculo del inicio y fin de la temporada. Entre los algoritmos prometedores, la regresión de procesos gaussianos (GPR) demostró ser un algoritmo competitivo de relleno de lagunas en series temporales con la ventaja de, al desarrollarse dentro de un marco bayesiano, proporcionar estimaciones de incertidumbre asociadas. Sin embargo, el procesamiento de series temporales de imágenes se vuelve computacionalmente ineficiente en su uso estándar por píxel, principalmente para el entrenamiento de GPR en lugar del paso de ajuste. Para mitigar esta carga computacional, proponemos sustituir el paso de optimización por píxel con la creación de pre cálculos basados en tierras de cultivo para los hiperparámetros de GPR. Para demostrar que nuestro enfoque apenas afecta la precisión en el ajuste, utilizamos series temporales de LAI de Sentinel-2 en una región agrícola en Castilla y León, noroeste de España. El rendimiento de las reconstrucciones de imágenes se comparó con el procesamiento estándar por píxel de series temporales de GPR. Los resultados mostraron que las precisiones estaban en el mismo orden (RMSE 0.1767 vs. 0.1564, degradación del 12% en el RMSE) mientras que el tiempo de procesamiento se aceleraba aproximadamente 90 veces. También evaluamos la opción alternativa de usar los mismos hiperparámetros para todos los píxeles dentro de la escena completa. Esto condujo a precisión general similar sobre áreas de cultivo y rendimiento computacional. Los indicadores de fenología de cultivos también se calcularon para los tres enfoques diferentes y se compararon. Los resultados mostraron patrones temporales de cultivos análogos, con diferencias en el inicio y fin de la temporada de crecimiento de no más de cinco días. En beneficio de las aplicaciones de monitoreo de cultivos, todas las técnicas de relleno de lagunas e indicadores de fenología se han implementado en la caja de herramientas GUI DATimeS descargable de forma gratuita.