Los datos de imágenes de teledetección multiespectral del Sentinel-2A fueron sometidos a un procesamiento diferencial de alta eficiencia para extraer información espectral, que luego se emparejó con los valores de pruebas de laboratorio de materia orgánica del suelo (MOS) de muestras de campo. A partir de esto, se establecieron modelos de regresión múltiple por pasos (MLSR) y de mínimos cuadrados parciales (PLSR) basados en un algoritmo diferencial para el modelado de MOS en superficie. Los espectros originales fueron sometidos a transformaciones básicas con procesamiento de primera y segunda derivada. Se establecieron modelos de MLSR y PLSR basados en estos métodos y los valores medidos, respectivamente. Los resultados muestran que las imágenes de teledetección del Sentinel-2A y el contenido de MOS se correlacionaron en algunas bandas. La correlación entre el valor espectral y el contenido de MOS mejoró significativamente después de la transformación matemática, especialmente con la transformación de raíz cuadrada. Después del procesamiento diferencial, el modelo multibanda tuvo una mejor capacidad predictiva (basada en la precisión de ajuste) que los modelos de banda única y los modelos multibanda no procesados. Los modelos de MLSR y PLSR de MOS tuvieron buena funcionalidad de predicción. El modelo de regresión diferencial de primer orden de logaritmo recíproco de MLSR tuvo los mejores resultados de predicción e inversión (es decir, los más consistentes con los datos del mundo real). El modelo de MLSR es más estable y confiable para monitorear el contenido de MOS, y proporciona un método y referencia factibles para el mapeo del contenido de MOS del área de estudio.