Los modelos de simulación de cultivos biofísicos normalmente se alimentan con datos de precipitación registrados con pluviómetros o radar terrestre. Sin embargo, las redes de grabación en tierra no están disponibles en escalas espaciales y temporales necesarias para impulsar los modelos en muchos lugares críticos de la Tierra. Una alternativa sería emplear observaciones satelitales de precipitación o humedad del suelo. Actualmente, las observaciones satelitales de precipitación no se consideran capaces de impulsar los modelos con la precisión suficiente para las predicciones de rendimiento de cultivos. Sin embargo, la deducción de la humedad del suelo desde plataformas espaciales está en un estado más avanzado que las estimaciones de precipitación, por lo que estos datos pueden ser capaces de impulsar los modelos con mejor precisión. En este estudio, se utilizó un modelo maduro de balance de energía de dos fuentes, el modelo Atmosphere Land Exchange Inverse (ALEXI), para deducir la humedad del suelo en la zona de raíces para un área del norte de Alabama, EE. UU. Las estimaciones de humedad del suelo se utilizaron a su vez para impulsar el modelo de simulación de cultivos Decision Support System for Agrotechnology Transfer (DSSAT). El área de estudio consistió en una mezcla de campos de maíz de secano e irrigados. Los resultados indican que el modelo impulsado con las estimaciones de humedad de ALEXI produjo simulaciones de rendimiento que se compararon favorablemente con los rendimientos observados y con el modelo de secano. Los datos parecen indicar que el modelo ALEXI detectó la señal de humedad del suelo de los campos de maíz mixtos de secano/irrigación y que esta señal tenía suficiente fuerza para producir simulaciones adecuadas de los rendimientos registrados durante un período de 10 años.