La importancia de predecir los rendimientos de los cultivos en la agricultura no puede ser exagerada. Los efectos de la predicción de rendimientos se observan en todos los aspectos de la cadena de suministro, desde la contratación hasta la demanda de proveedores, el desperdicio de alimentos y otras decisiones comerciales. Sin embargo, el proceso suele ser inexacto y está lejos de ser perfecto. Este documento explora el potencial de utilizar pronósticos de expertos para mejorar las predicciones de rendimiento de cultivos de nuestro sistema de aprendizaje automático XGBoost global a local. Además, investiga la viabilidad del modelo climático ERA5 como fuente de datos alternativa para la predicción de rendimiento de cultivos en ausencia de datos meteorológicos en la granja. Descubrimos que, al combinar tanto los pronósticos previos a la temporada de los expertos como el modelo climático ERA5 con el modelo de aprendizaje automático, podemos, en la mayoría de los casos, obtener mejores pronósticos que superan los pronósticos previos a la temporada de los cultivadores y los modelos basados solo en aprendizaje automático. Nuestro modelo informado por expertos logra pronósticos de rendimiento para 4 semanas por delante con un RMSE promedio de 0.0855 en todas las parcelas y un RMSE de 0.0872 con los datos climáticos ERA5 incluidos.