La estimación del rendimiento de cultivos constituye un elemento fundamental para la gestión de la política alimentaria. Este estudio tiene como objetivo evaluar modelos de rendimiento del cultivo de arroz en Sancti Spíritus utilizando imágenes Sentinel-2, implementando Random Forest (RF). Para este propósito, se seleccionaron 14 fechas de imágenes Sentinel-2 mediante la plataforma Google Earth Engine (GEE), evaluando 40 parcelas de arrozal. Se calcularon ocho índices de vegetación: índice de vegetación mejorado (EVI), índice de clorofila verde (GCI), índice de vegetación ajustado al suelo modificado 2 (MSAVI2), índice de estrés hídrico (MSI), índice de vegetación de diferencia de agua (NDWI), índice de proporción de pigmento clorofila normalizado (NPCI) e índice de vegetación ajustado al suelo (SAVI). Se generaron modelos para cada fecha, calculándose el coeficiente correlación (R2). El valor máximo se obtuvo para la fecha 7 (R2=0.79). Aplicándose RF y validación cruzada, los mejores resultados se obtuvieron con el NDWI y MSI, con un R2 de 0.57, error medio cuadrático (RMSE) de 1.51 t/ha y error medio absoluto (MAE) de 1.15 t/ha. El modelo obtenido por RF con validación cruzada proporciona una fiabilidad notable para predecir el rendimiento antes de la cosecha.