Las predicciones oportunas y precisas de los rendimientos de trigo de invierno son clave para garantizar la seguridad alimentaria. En esta investigación, se establecieron modelos de predicción de rendimiento de trigo de invierno para seis provincias utilizando un modelo de bosque aleatorio (RF). Se emplearon dos métodos para analizar variables de características. Se generaron gráficos de dependencia parcial de RF para demostrar las relaciones no lineales entre las variables de características y el rendimiento, y se consideró el Moran"s I bivariado para identificar las asociaciones espaciales entre variables. Los resultados mostraron que cuando se utilizaron datos ambientales de períodos clave de crecimiento para el establecimiento del modelo de predicción, el error cuadrático medio (RMSE) varió entre 200 y 700 kg/ha, y el coeficiente de determinación (R) superó 0.5. Los resultados del análisis de variables de características indicaron que la longitud, latitud, topografía e índice de vegetación de diferencia normalizada (NDVI) eran variables importantes. Por debajo del umbral, el rendimiento aumentó gradualmente con el aumento del NDVI. Los resultados del Moran"s I bivariado mostraron que existía una distribución zonal de elementos meteorológicos. Dentro de un rango espacial amplio, el cambio en variables ambientales debido a la latitud y longitud debe tenerse en cuenta en la modelización, pero la influencia de la colinealidad entre las variables de características debe ser eliminada mediante un análisis de importancia de variables.