Uno de los desafíos en la gestión de fósforo (P) específico del sitio es la considerable variabilidad espacial en P disponible para las plantas en los campos. Para superar esta barrera, son necesarios enfoques emergentes de detección, fusión de datos y modelado predictivo espacial para revelar con precisión la heterogeneidad espacial de P. Siete campos con variabilidad espacial ubicados en Ontario, Canadá, se agrupan en dos zonas; cuatro campos se encuentran en el este de Ontario y otros tres en el oeste de Ontario. Este estudio compara los Árboles de Regresión Aditiva Bayesiana (BART), el regresor de Máquina de Soporte Vectorial (SVM) y la Kriging Ordinaria (OK), junto con conceptos novedosos de fusión de datos, para analizar capas integradas de datos espaciales de alta densidad relacionados con la variabilidad espacial en P disponible en el suelo. La selección de características y la detección de interacciones utilizando la selección de variables de BART y la Eliminación Recursiva de Características (RFE) para SVM se aplicaron a 42 predictores, incluidos índices de suelo-vegetación derivados de imágenes multiespectrales de PlanetScope, conductividad eléctrica aparente de alta densidad del suelo (EC), y atributos topográficos de alta resolución derivados de DUALEM-21S y un receptor de sistemas de navegación global (GNSS) en tiempo real (RTK), respectivamente. El modelado de la heterogeneidad espacial de P disponible en el suelo con BART mostró una precisión más alta que SVM y OK en ambas zonas de este estudio cuando se entrenó y probó con datos reales de agrupaciones de granjas. Un enfoque de selección de variables de BART resultó en seis predictores auxiliares de P disponible en el suelo en la zona este, mientras que solo se seleccionaron cuatro predictores para predecir P en la zona oeste. RFE para SVM resultó en modelos con 15 y 12 predictores auxiliares en las zonas este y oeste de Ontario. La elevación topográfica fue el predictor más influyente de P disponible en el suelo en ambas zonas. En comparación con los métodos SVM y OK, BART mostró valores de RMSE promedio más bajos para campos individuales de 1,86 ppm y 3,58 ppm en las zonas este y oeste de Ontario, respectivamente, junto con valores de R de 0,85 y 0,83, respectivamente. En contraste, SVM tuvo valores de RMSE para campos individuales en las zonas este y oeste de Ontario, respectivamente, con un promedio de 5,04 ppm y 7,51 ppm y valores de R de 0,27 y 0,43. Los valores de RMSE para P disponible en el suelo en campos individuales en las zonas este y oeste de Ontario promediaron 4,77 ppm y 7,81 ppm, respectivamente, con el método OK, mientras que los valores de R promediaron 0,19 y 0,44. La selección de predictores auxiliares adecuados y la fusión de datos, combinados con algoritmos de aprendizaje automático espacial de BART, tienen el potencial de ser una herramienta útil para estimar con precisión los patrones espaciales de P disponible en el suelo para campos agrícolas en Ontario, Canadá.