El archivo a largo plazo tanto de las imágenes de Landsat como de los conjuntos de datos de mapeo de rendimiento de trigo, captados por tecnología de agricultura de precisión, tiene el potencial, a través del desarrollo de relaciones estadísticas, de predecir estimaciones de rendimiento de trigo de alta resolución en grandes áreas durante múltiples temporadas. Cuantificar el rendimiento pasado en diferentes temporadas de crecimiento puede informar decisiones de gestión agrícola que van desde aplicaciones de fertilizantes a escala subparcela hasta cambios en el uso de la tierra a escala paisajística. Sin embargo, se necesita una comprensión de la magnitud de los errores de predicción. En este estudio, examinamos las relaciones predictivas del rendimiento de trigo desarrolladas a partir del Índice de Vegetación de Diferencia Normalizada (NDVI) adquirido de imágenes de Landsat y monitores de rendimiento montados combinados para tres granjas de Australia Occidental durante diferentes temporadas de crecimiento. Además, analizamos su capacidad predictiva cuando estas relaciones se utilizan para extrapolar el rendimiento de una granja a otra. En todas las temporadas, las mejores predicciones se lograron con imágenes adquiridas en septiembre. De las cinco temporadas revisadas, tres mostraron precisiones de predicción muy razonables, con los años de baja y alta pluviosidad proporcionando buenas predicciones. Los años de pluviosidad media mostraron la mayor variación en la precisión de la predicción, con predicciones marginales a pobres resultantes de rangos estrechos de rendimiento de trigo medido y valores de NDVI. Estos resultados demuestran el potencial beneficio de fusionar dos conjuntos de datos de alta resolución para crear modelos robustos de predicción de rendimiento de trigo a lo largo de diferentes temporadas de crecimiento, cuyos resultados pueden utilizarse para informar la toma de decisiones agrícolas.