La materia orgánica del suelo (SOM) es un componente clave del suelo. Determinar su distribución espacial es necesario para la agricultura de precisión y para comprender los servicios ecosistémicos que proporciona el suelo. Sin embargo, los estudios de SOM en campo están severamente limitados por el tiempo y los costos. Para obtener un mapa de distribución espacialmente continuo del contenido de SOM, es necesario llevar a cabo la cartografía digital del suelo (DSM). Además, hay una necesidad vital de precisión e interpretabilidad en la cartografía de SOM, lo cual es difícil de lograr con los modelos DSM convencionales. Para abordar los problemas anteriores, especialmente el mapeo del contenido de SOM, se utilizó un modelo de regresión de coeficiente espacial de variación (SVC), el Modelo Aditivo Generalizado de Proceso Gaussiano Geográfico (GGP-GAM). El error cuadrático medio (RMSE), el error promedio absoluto (MAE) y el coeficiente de determinación ajustado de este modelo para el mapeo de SOM en el área de Leizhou son 7.79, 6.01 y 0.33 g kg, respectivamente. GGP-GAM es más preciso en comparación con los otros tres modelos (es decir, Bosque Aleatorio Geográfico, Regresión Ponderada Geográficamente y Kriging de Regresión). Además, los patrones de covariables que afectan al SOM son interpretados mediante la cartografía de coeficientes de cada predictor individualmente. Los resultados muestran que GGP-GAM puede ser utilizado para el mapeo de alta precisión del contenido de SOM con una buena interpretabilidad. Esta técnica de DSM contribuirá a su vez a la sostenibilidad agrícola y la toma de decisiones.