El carbono orgánico del suelo (SOC) es una propiedad esencial del suelo, y comprender sus patrones espaciales es fundamental para entender la gestión de la vegetación, la degradación del suelo y los problemas ambientales. Este estudio aplica un marco utilizando datos de teledetección y técnicas de mapeo digital del suelo para examinar la dinámica espacio-temporal del SOC en la Llanura de Yazd-Ardakan, Irán, desde 1986 hasta 2016. Aquí se utilizó un método de muestreo de hipercubo latino condicionado para seleccionar 201 sitios de muestreo. Se obtuvo un conjunto de 37 predictores ambientales a partir de imágenes Landsat tomadas en 1986, 1999, 2010 y 2016. Aquí, el SOC se modeló para 2016 utilizando los aprendices de máquina Random Forest (RF), regresión de vectores de soporte (SVR) y redes neuronales artificiales (ANN) correlacionando los predictores ambientales con los datos del suelo. Los resultados mostraron que RF obtuvo la mayor precisión (R = 0.53), en comparación con los otros dos aprendices. Al realizar un análisis de importancia de variables del modelo RF, el índice de vegetación de diferencia normalizada, el índice de vegetación modificado y el índice de vegetación ajustado al suelo se determinaron como los predictores ambientales más importantes. Al aplicar el modelo calibrado a partir de datos de 2016 a 1986, 1999 y 2010, los resultados mostraron una disminución sustancial en el SOC; estas disminuciones en el SOC se atribuyeron principalmente a cambios en el uso del suelo y actividades agrícolas.