El modelado y la predicción de rasgos agronómicos importantes utilizando datos obtenidos de forma remota es una ciencia en evolución y un concepto atractivo para los mejoradores de plantas, ya que la fenotipificación manual de cultivos es costosa y consume mucho tiempo. Los principales factores limitantes en la creación de modelos de predicción robustos incluyen la integración apropiada de datos a lo largo de diferentes años y sitios, y la disponibilidad de suficiente diversidad genética y fenotípica. Los patrones climáticos variables, especialmente en latitudes más altas, añaden complejidad a esta integración. Este estudio introduce un enfoque novedoso utilizando unidades de tiempo fototérmico para alinear datos espectrales de imágenes de sistemas aéreos no tripulados de ensayos de avena de primavera, invierno y facultativa realizados en diferentes años en un sitio de ensayo en Aberystwyth, en la costa atlántica occidental del Reino Unido. Los modelos de regresión y clasificación resultantes para varios rasgos agronómicos son de gran interés para los programas de mejoramiento de avena. Las posibles aplicaciones de estos hallazgos incluyen optimizar estrategias de mejoramiento, mejorar las predicciones de rendimiento de los cultivos y aumentar la eficiencia de la asignación de recursos en los programas de mejoramiento.