La materia orgánica del suelo (SOM) y la relación entre el carbono orgánico del suelo y el nitrógeno total (relación C/N) son fundamentales para los servicios ecosistémicos proporcionados por los suelos. Por lo tanto, comprender la distribución espacial y las relaciones entre los componentes de la SOM, como la materia orgánica asociada a minerales (MAOM), la materia orgánica particulada (POM) y la relación C/N, es crucial. Tres modelos de aprendizaje automático de conjunto fueron entrenados para obtener predicciones espaciales de la relación C/N, MAOM y POM en el suelo agrícola alemán de la capa superficial (0-10 cm). La optimización de parámetros y la evaluación del modelo se realizaron utilizando validación cruzada anidada. Además, se aplicó una modificación a la cadena de regresores para capturar e interpretar las interacciones entre la relación C/N, MAOM y POM. Los modelos de conjunto arrojaron errores porcentuales absolutos medios (MAPE) del 8.2% para la relación C/N, 14.8% para MAOM y 28.6% para POM. Se encontró que el tipo de suelo, la región pedoclimática, la unidad hidrológica y los paisajes de suelos explicaban el 75% de la variabilidad en MAOM y POM, y el 50% en la relación C/N. La cadena de regresores modificada indicó una relación no lineal entre la relación C/N y SOM debido a las diferentes tasas de descomposición de SOM como resultado de la variedad en su calidad de nutrientes. Estas predicciones espaciales mejoran la comprensión de la distribución de las propiedades del suelo en Alemania.