A estimativa da produtividade da cana-de-açúcar antes da colheita é importante para o planejamento das operações agrícolas e para a gestão da produção. O objetivo deste estudo foi avaliar o desempenho do algoritmo Random Forest na classificação da produtividade, utilizando diferentes combinações de dados espectrais, agronômicos e ambientais ao longo da safra. A área de estudo está localizada nos municípios de Pratânia e Lençóis Paulista, estado de São Paulo. Foram utilizadas imagens do sensor OLI, a bordo do satélite Landsat 8, para obtenção dos índices NDVI, EVI e MSAVI2 em períodos correspondentes a aproximadamente 90 e 180 dias antes da colheita, além da última imagem disponível antes da colheita. Também foram consideradas informações de solo, variedade, estágio da cultura, declividade e orientação de vertentes, combinadas em 12 configurações de entrada. As classificações foram realizadas por meio de validação cruzada em 10 grupos e avaliadas pelo percentual de classificações corretas e pelo índice Kappa. A configuração contendo todas as variáveis apresentou 87,9%, 87,38% e 82,93% de classificações corretas nos períodos inicial, intermediário e final da safra, respectivamente, com Kappa de 0,8. A configuração que utilizou os índices de vegetação obtidos aproximadamente 180 dias antes da colheita, juntamente com solo, variedade, estágio da cultura, declividade e aspecto, apresentou 85,2%, 84,82% e 81,58% de classificações corretas nos mesmos períodos, respectivamente, também com Kappa de 0,8. Dessa forma, a utilização dos índices de vegetação de uma única época permitiu manter resultados próximos aos obtidos com o conjunto completo, inclusive com informações espectrais adquiridas aproximadamente 180 dias antes da colheita.