El mapeo digital preciso del carbono orgánico del suelo agrícola (COS) contribuye al desarrollo agrícola sostenible y a la mitigación del cambio climático. El patrón del paisaje agrícola ha cambiado considerablemente bajo la influencia antropogénica, lo que debe considerarse una variable ambiental para caracterizar el impacto de las actividades humanas en el COS. En este estudio, verificamos la viabilidad de integrar patrones de paisaje en la predicción del COS en la Llanura Inferior del Liaohe. Específicamente, se seleccionaron diez variables (clima, topografía y variables de patrón de paisaje) para la predicción con Random Forest (RF) y Máquinas de Vectores de Soporte (SVM). La efectividad de las métricas del paisaje se verificó estableciendo diferentes combinaciones de variables: (1) variables naturales y (2) variables naturales y de patrón de paisaje. Los resultados confirmaron que las variables de paisaje mejoraron la precisión del mapeo en comparación con las variables naturales. El R2 de RF y SVM aumentó en un 20.63% y un 20.75%, respectivamente. RF tuvo un mejor desempeño que SVM con un menor error de predicción. El ranking de importancia de las variables mostró que la temperatura y la precipitación eran las variables más importantes. El Índice de Agregación (IA) contribuyó más que la elevación, convirtiéndose en la variable de paisaje más importante. El Índice de Contigüidad Media (CONTIG-MN) y el Índice de Contagio del Paisaje (CONTAG) también contribuyeron más que otras variables topográficas. Concluimos que los patrones de paisaje pueden mejorar la precisión del mapeo y apoyar la captura de COS al optimizar las políticas de gestión del paisaje agrícola.