Predecir el rendimiento de biomasa forrajera es fundamental en la gestión de ganado, ya que afecta las tasas de carga de ganado, la adquisición de heno y las estrategias de comercialización de ganado. Solo existen unos pocos estudios de predicción de rendimiento de biomasa en pastizales y tierras de pastoreo a pesar de la necesidad. Por lo tanto, este estudio se centró en desarrollar una metodología de predicción de rendimiento de biomasa a través de imágenes de satélite de teledetección (bandas multiespectrales) y datos climáticos, empleando tecnologías de software de código abierto. Los datos de referencia de biomasa se obtuvieron de pastizales locales, donde la festuca azul de Kentucky es la especie predominante entre otros forrajes. Los datos de teledetección incluyeron bandas espaciales (6), índices de vegetación (30) y datos climáticos (16). Las características mejor clasificadas (52 probadas) de la eliminación recursiva de características (RFE) fueron el infrarrojo de onda corta 2, el índice de humedad diferencial normalizado y la temperatura promedio del suelo de césped en el modelo de aprendizaje automático (ML) desarrollado. El modelo de bosque aleatorio (RF) produjo la mayor precisión entre otros probados para la predicción de rendimiento de biomasa. Las aplicaciones de la metodología desarrollada revelaron que (i) la metodología se aplica a otros pastizales no vistos, (ii) una resolución espacial satelital más fina (por ejemplo, CubeSat; 3 m) predijo mejor la biomasa de pastizales, y (iii) la metodología se desarrolló con éxito para una combinación de festuca azul de Kentucky y otros forrajes, extendiéndose a cultivos de heno de alfalfa de alto valor con una excelente precisión de predicción de rendimiento. Se recomienda la metodología desarrollada de RFE para selección de características y RF para modelado de rendimiento de biomasa y forraje de heno.