La humedad del suelo representa un componente vital del ecosistema, sustentando actividades que apoyan la vida a escalas micro y mega. Es un parámetro altamente requerido que puede variar significativamente tanto espacial como temporalmente. Debido a este hecho, su estimación es un desafío y a menudo difícil de obtener, especialmente sobre superficies grandes y heterogéneas. Este estudio tuvo como objetivo comparar el rendimiento de cuatro métodos de interpolación ampliamente utilizados en la estimación de la humedad del suelo utilizando información asistida por GPS y teledetección. Se emplearon las técnicas de interpolación de Distancia Ponderada (IDW), Spline, Kriging Ordinario y Kriging con Deriva Externa (KED) para estimar la humedad del suelo utilizando 82 valores medidos de humedad del suelo en campo. De esas mediciones, se utilizaron datos de 54 ubicaciones de humedad del suelo para calibración y los datos restantes para fines de validación. El área de estudio seleccionada fue la ciudad de Varanasi, India, cubriendo un área de 1535 km. Los resultados de la distribución de la humedad del suelo demuestran el RMSE más bajo (error cuadrático medio, 8.69%) para KED, en comparación con los otros enfoques. Para KED, se incorporó la información de carbono orgánico del suelo como una variable secundaria. Los resultados del estudio contribuyen a los esfuerzos para superar el problema de la escasez de información sobre la humedad del suelo a escalas locales y regionales. También proporciona un método comprensible para generar y producir conjuntos de datos espaciales continuos y confiables de este parámetro, demostrando el valor añadido de las técnicas de análisis geoespacial para este propósito.