Актуальность исследования. Соя является одной из ключевых культур мирового сельского хозяйства; в последнее время производство сои активно развивается на территории российского Дальнего Востока. Для решения практических задач, связанных с производством сои, в том числе планирования посевных площадей и экспортных операций субъектами ДФО, необходимо с достаточной точностью прогнозировать урожайность сельскохозяйственной культуры. Цель исследования - определить факторы, влияющие на урожайность культуры, установить взаимосвязь между этими показателями и урожайностью, а также оценить точность предложенной модели. Методы исследования. На примере Ханкайского, Хорольского, Михайловского и Октябрьского районов Приморского края рассмотрены показатели, характеризующие климатические особенности муниципальных образований, а также данные дистанционного зондирования Земли за период 2008-2018 гг. Метеорологические характеристики территорий и значения индексов вегетации получены с использованием системы «ВЕГА-Science», дополнительно рассчитаны интегральные коэффициенты, при этом взаимно коррелирующие показатели исключены из регрессионной модели. Основным результатом исследования является многофакторная регрессионная модель, где в качестве зависимой переменной выступает среднегодовая урожайность сои, а независимых переменных - максимум среди еженедельных композитов вегетационного индекса NDVI пахотных земель, гидротермический коэффициент, продолжительность вегетационного периода, средняя годовая влажность и сумма температур верхнего слоя почвы. Средняя абсолютная ошибка модели составляет: для Ханкайского района 11,0 %, Хорольского района - 4,8 %, Октябрьского района - 9,5 %, Михайловского района - 8,9 %. Научная новизна и практическая значимость. Для прогнозирования урожайности сои на Дальнем Востоке разработана регрессионная модель, предполагающая использование климатических характеристик и значений NDVI пахотных полей по муниципальному образованию. В целом предложенные модели с заявленным уровнем точности могут быть использованы для прогнозирования урожайности сои, а также для принятия управленческих решений на региональном и муниципальном уровнях.