La materia orgánica del suelo (MOS) es un indicador crítico de los niveles de nutrientes del suelo, y la cartografía precisa de su distribución espacial a través de la teledetección es esencial para la regulación del suelo, la fertilización precisa y la gestión y protección científica. Esta información puede ofrecer apoyo en la toma de decisiones a los departamentos de gestión agrícola y a diversos productores agrícolas. En este artículo, se propusieron dos nuevos índices de suelo, NLIrededge2 y GDVIrededge2, basados en las características de respuesta espectral sensible de la MOS en el noreste de China. Se determinaron nueve parámetros adecuados para la cartografía y modelado de la MOS utilizando el método de muestreo adaptativo competitivo reponderado (CARS), combinado con la reflectancia espectral, transformaciones matemáticas de la reflectancia, índices de vegetación, entre otros. Luego, utilizando imágenes multiespectrales basadas en vehículos aéreos no tripulados (VANT) con resolución a nivel de centímetros, se utilizó un algoritmo de aprendizaje automático de bosque aleatorio para construir el modelo de inversión de la MOS y cartografiar la MOS en el área de estudio. Los resultados mostraron que el algoritmo de bosque aleatorio tuvo el mejor rendimiento para estimar la MOS (R2 = 0.91, RMSE = 0.95, MBE = 0.49 y RPIQ = 3.25) en comparación con otros algoritmos de aprendizaje automático como la regresión de soporte vectorial (SVR), la red elástica, la cresta bayesiana y la regresión lineal. Los hallazgos indicaron una correlación negativa entre el contenido de MOS y la altitud. El estudio concluyó que los resultados del modelado y la cartografía de la MOS podrían satisfacer las necesidades de los agricultores para obtener información básica y proporcionar una referencia para que los VANT monitoreen la MOS.