En el campo en evolución de la cartografía digital del suelo (DSM), la determinación del tamaño de la muestra sigue siendo un desafío fundamental, particularmente para proyectos regionales a gran escala. Introdujimos la Divergencia de Jensen-Shannon (DJS), una herramienta novedosa aplicada recientemente a DSM, para determinar tamaños de muestra óptimos para un área de 2790 km2 en Ontario, Canadá. Utilizando 1791 observaciones, generamos mapas para la capacidad de intercambio catiónico (CEC), contenido de arcilla, pH y carbono orgánico del suelo (SOC). Luego evaluamos conjuntos de muestras que oscilaban entre 50 y 4000 a través de muestreo de hipercubo latino condicionado (cLHS), muestreo de cobertura del espacio de características (FSCS) y muestreo aleatorio simple (SRS) para calibrar modelos de bosque aleatorio, analizando el rendimiento a través del coeficiente de correlación de concordancia y el error cuadrático medio. Los hallazgos revelan que DJS es un estimador robusto para tamaños de muestra óptimos: 865 para cLHS, 874 para FSCS y 869 para SRS, con tamaños óptimos específicos para cada propiedad que indican el potencial para mejorar la precisión de DSM. Esta metodología facilita un enfoque estratégico para la determinación del tamaño de la muestra, mejorando significativamente la precisión de la cartografía del suelo a gran escala. En conclusión, nuestra investigación valida la utilidad de DJS en DSM, ofreciendo una solución escalable. Este avance tiene un considerable potencial para mejorar la gestión del suelo y las prácticas de sostenibilidad, respaldando el papel crítico de los datos precisos del suelo en la productividad agrícola y la conservación ambiental.