Conocer el rendimiento esperado de los cultivos en la actual temporada de crecimiento proporciona información valiosa para los agricultores, los responsables de políticas y las plantas de procesamiento de alimentos. Uno de los principales beneficios de utilizar herramientas de pronóstico confiables es generar más ingresos a partir de los cultivos cultivados. La información sobre la cantidad de rendimiento de los cultivos antes de la cosecha ayuda a guiar la adopción de una estrategia adecuada para la gestión de productos agrícolas. La dificultad en la creación de modelos de pronóstico está relacionada con la selección adecuada de variables independientes. Su correcta selección requiere un conocimiento perfecto del objeto de investigación. El siguiente artículo presenta y discute las variables independientes más comúnmente utilizadas en la modelización de predicción del rendimiento de cultivos agrícolas basada en redes neuronales artificiales (ANN). Se presta especial atención a las variables ambientales, como los datos climáticos, la temperatura del aire, la precipitación total, la insolación y los parámetros del suelo. Se analizan en detalle la posibilidad de utilizar índices de productividad de las plantas e índices de vegetación, que son valiosos predictores obtenidos gracias a la aplicación de técnicas de teledetección. El documento enfatiza que el uso cada vez más común de herramientas de teledetección y fotogrametría permite el desarrollo de la agricultura de precisión. Además, se especifican algunas limitaciones en la aplicación de ciertas variables de entrada, así como las posibilidades futuras para el desarrollo de modelización no lineal, utilizando redes neuronales artificiales como herramienta que apoya el uso práctico y la mejora de las técnicas de agricultura de precisión.