En el campo de la maquinaria agrícola, se realizan diversos ensayos empíricos en campo para medir las cargas de diseño con el fin de diseñar e implementar tractores de manera óptima. Sin embargo, llevar a cabo pruebas de campo es costoso y consume tiempo, con muchas restricciones debidas al clima y a las condiciones del suelo, por lo que se ha propuesto la investigación mediante simulaciones como una alternativa para superar estas limitaciones. El objetivo de este estudio es desarrollar un modelo de predicción de fuerza de arrastre basado en DEM que refleje las diferencias en las propiedades del suelo. Para ello, se realizaron mediciones de las propiedades del suelo en dos campos (Campo A en Daejeon, República de Corea, y Campo B en Chuncheon, República de Corea). Las propiedades medidas se utilizaron como parámetros para el modelado de partículas basado en DEM. Para el modelo de contacto entre partículas, se utilizó el modelo de contacto EEPA para reflejar la compresibilidad y adherencia de los suelos cohesivos. Para generar un entorno similar al suelo real, la masa de las partículas y la energía superficial se calibraron en función de la densidad a granel y el torque de corte. Las mediciones de las propiedades del suelo mostraron que el Campo B tenía una mayor resistencia al corte y un índice de cono y contenido de humedad más bajos en comparación con el Campo A. La fuerza de arrastre medida real fue un 19,47% más alta en el Campo B que en el Campo A. En este estudio, se demuestra la incertidumbre en la predicción de la fuerza de arrastre al correlacionar solo una propiedad del suelo y se sugiere la necesidad de considerar de manera integral las propiedades del suelo. Los resultados de la simulación de la operación de labranza demostraron la precisión de la fuerza de desprendimiento predicha en comparación con el experimento de campo real y el método de cálculo teórico existente (ASABE D497.4). En comparación con la fuerza de arrastre medida en la prueba de campo real, las predicciones fueron un 86,75% precisas en el Campo A y un 74,51% precisas en el Campo B, lo que es un 84% más preciso en el Campo A y un 37,32% más preciso en el Campo B que el método de cálculo teórico. Este resultado muestra que la predicción de carga debe reflejar las propiedades del suelo del entorno de trabajo, y se espera que se utilice como indicador de la interacción suelo-herramienta para los procesos de modelado de gemelos digitales en el campo de investigación de maquinaria bioindustrial.