En este estudio, se aplicó un enfoque combinado que integra múltiples algoritmos de aprendizaje automático con el modelo MaxEnt para evaluar sistemáticamente la predicción de la idoneidad del hábitat en el Mar de China Meridional bajo diferentes resoluciones espaciales. Se empleó el método SHAP para interpretar las contribuciones de las variables ambientales dentro del marco del aprendizaje automático. Los resultados demostraron que se logró un mayor rendimiento predictivo en la resolución más fina de 0.083 grados (ROC_AUC = 0.836, precisión = 0.793 y NPV = 0.862). Además, la validación externa confirmó que el modelo XGB exhibió la mejor precisión y estabilidad predictiva en general, con valores de AUC que se acercan a 0.9. El análisis SHAP identificó la CHL y la SST como los principales impulsores que influyen en la distribución, enfatizando su importancia ecológica. La modelización de MaxEnt delineó además las áreas de hábitat adecuado, ubicadas principalmente en las regiones norte y centro-sur del Mar de China Meridional. A través de un análisis comparativo de diferentes resoluciones espaciales y enfoques de modelización, este estudio destaca que la combinación de datos ambientales de 0.083 grados y el modelo XGB es más adecuada para investigar los patrones de distribución en el Mar de China Meridional. Estos avances proporcionarán una base científica más sólida para el desarrollo sostenible y la gestión de los recursos pesqueros en alta mar.