La roya de la espiga de trigo tiene un impacto severo en el rendimiento y calidad del trigo. Un método de predicción efectivo es necesario para la seguridad alimentaria. En este estudio, extraemos los índices de vegetación óptimos (VIs) sensibles a la roya de la espiga en diferentes períodos de tiempo, y desarrollamos un modelo de predicción de la roya de la espiga de trigo con imágenes satelitales para realizar la predicción multi-temporal. Primero, los VIs relacionados con el estrés de la roya de la espiga se extraen como características candidatas para la predicción de la enfermedad a partir de imágenes de la serie temporal de Sentinel-2. Luego, las combinaciones óptimas de VI son seleccionadas utilizando la selección secuencial hacia adelante (SFS). Finalmente, la ocurrencia de la roya de la espiga de trigo en diferentes períodos de tiempo se predice utilizando el método de la máquina de vectores de soporte (SVM). Los resultados de las características seleccionadas demuestran que, antes del período de entrelazado, los VIs óptimos están relacionados con la biomasa, pigmento y humedad del trigo. Después del período de entrelazado, los VIs de borde rojo relacionados con el estado de salud del cultivo juegan roles importantes. La precisión general y el coeficiente Kappa del modelo de predicción, que se basa en SVM, es generalmente mayor que los de los métodos de vecino más cercano (KNN) y red neuronal de retropropagación (BPNN). El método SVM es más adecuado para predicciones de series temporales de la roya de la espiga de trigo. El modelo obtuvo una precisión basada en las combinaciones óptimas de VI y el SVM que aumentó con el tiempo; la precisión más alta fue del 86.2%. Estos resultados indican que el modelo de predicción puede proporcionar orientación y sugerencias para la prevención temprana de enfermedades del sitio de estudio, y el método combina imágenes de series temporales de Sentinel-2 y el SVM, que se pueden usar para predecir la roya de la espiga de trigo.