Yendo más allá del trabajo previo, este documento presenta una revisión sistemática de la literatura que explora el despliegue de satélites, drones y sensores terrestres para la predicción de rendimientos en la agricultura. Cubre múltiples aspectos del tema, incluyendo tipos de cultivos, plataformas de sensores clave, técnicas de análisis de datos y rendimiento en la estimación de rendimientos. En este sentido, se analizaron conjuntos de datos de Scopus y Web of Science, lo que resultó en la revisión completa de 269 de 1429 publicaciones recuperadas. Nuestro estudio reveló que China (93 artículos, >1800 citas) y Estados Unidos (58 artículos, >1600 citas) son contribuyentes prominentes en este campo; mientras que los satélites fueron la plataforma de teledetección remota principal (62%), seguidos por los aéreos (30%) y los sensores próximos (27%). Además, se utilizaron métodos estadísticos en 157 artículos, y enfoques basados en modelos se utilizaron en 60 artículos, mientras que el aprendizaje automático y el aprendizaje profundo se emplearon en 142 artículos y 62 artículos, respectivamente. Al comparar métodos, los métodos de aprendizaje automático y aprendizaje profundo exhibieron una alta precisión en la predicción de rendimientos de cultivos, mientras que otras técnicas también demostraron éxito, dependiendo de la plataforma de cultivo específica y el método empleado. Los hallazgos de este estudio sirven como una hoja de ruta integral para investigadores y agricultores, permitiéndoles tomar decisiones basadas en datos y optimizar prácticas agrícolas, allanando el camino hacia una predicción de rendimientos completamente digitalizada.