Los índices de vegetación se utilizan ampliamente para evaluar la dinámica de la vegetación. El Índice de Vegetación Normalizado (NDVI) es la métrica más utilizada en agricultura, frecuentemente como un indicador de diferentes aspectos fisiológicos y agronómicos, como rendimiento de cultivos o biomasa, densidad de cultivos o estrés por sequía. Por lo tanto, se ha dirigido mucho esfuerzo hacia la predicción del NDVI, que suele estar correlacionada con la precipitación. Sin embargo, en climas mediterráneos y áridos, la relación es más compleja debido a periodos secos prolongados y eventos de precipitación dispersos. En este estudio, pronosticamos el NDVI 7 y 30 días por delante para pastizales permanentes mediterráneos utilizando un modelo de Random Forest (RF) de aprendizaje automático para el período de 2015 a 2022. El modelo compara dos productos de humedad del suelo como predictores: valores de humedad del suelo simulados basados en observaciones de sensores de humedad del suelo in situ y observaciones derivadas de teledetección de valores del Índice de Agua del Suelo (SWI). Además, analizamos las anomalías del NDVI predicho utilizando el z-score. Los resultados muestran que ambos productos pueden utilizarse como predictores confiables para pastizales permanentes en áreas mediterráneas. Las predicciones a 7 días son más precisas y pronostican mejor el efecto negativo de la sequía en la dinámica de la vegetación que las predicciones a 30 días. Este estudio muestra el potencial de utilizar una metodología sencilla y datos fácilmente disponibles para predecir la dinámica del crecimiento de pastizales en el área mediterránea.