Los ecositios son necesarios para la gestión forestal a nivel de parcela y se pueden determinar dentro de una cuadrícula edatópica bidimensional con regímenes de nutrientes del suelo (RNS) y regímenes de humedad del suelo (RHS) como coordenadas. En este estudio se introduce un nuevo método de modelado para mapear RNS y RHS de alta resolución y luego diseñar ecositios en Nueva Escocia, Canadá. Utilizando mapas de suelo de baja resolución y nueve variables topo-hidrológicas derivadas de datos de modelos digitales de elevación (DEM) de alta resolución como entradas del modelo, se desarrollaron 511 modelos de red neuronal artificial (RNA) mediante una validación cruzada de 10 pliegues con 1507 muestras de campo para estimar mapas de RNS y RHS a 10 m de resolución. Los resultados mostraron que los modelos óptimos para mapear RNS y RHS utilizaron ocho y siete variables topo-hidrológicas, junto con tres mapas de suelo de baja resolución, como entradas del modelo, respectivamente; el 82% de los RNS estimados por el modelo fueron idénticos a las evaluaciones de campo, mientras que este valor fue del 61% para los RHS, y los mapas de ecositios producidos tuvieron una corrección del 67-68%. Según la matriz de error, los mapas de RNS y RHS predichos aliviaron en gran medida la mala predicción en las áreas de condiciones extremas de nutrientes o humedad (por ejemplo, muy pobres o muy ricos, húmedos o muy secos). Por lo tanto, el nuevo método para modelar RNS y RHS de alta resolución podría utilizarse para producir mapas de ecositios en lugares donde el acceso es difícil.