Los científicos del suelo pueden ayudar en una parte esencial de la conservación y rehabilitación ecológica al cuantificar las propiedades del suelo, como el carbono orgánico del suelo (COS), y su stock (SOCs). El COS es crucial para proporcionar servicios ecosistémicos y, a través de una efectiva captura de carbono, se pueden mitigar los efectos del cambio climático. En áreas montañosas remotas con terreno complejo, como el norte de Maloti-Drakensberg en Sudáfrica y Lesoto, la cuantificación directa de los stocks o incluso la obtención de datos suficientes para construir modelos de Mapeo Digital del Suelo (DSM) es una tarea tediosa y costosa. La extrapolación de modelos y algoritmos de DSM de un área relativamente accesible a áreas remotas podría superar estos desafíos. El objetivo de este estudio fue determinar si los modelos de DSM calibrados para una cuenca de cabecera (Tugela) pueden ser extrapolados sin reentrenamiento a otras cuencas en la región de Maloti-Drakensberg con una precisión aceptable. Los modelos seleccionados se extrapolaron a cuatro cuencas de cabecera diferentes, que incluían tres cerca del río Motete (M1, M2 y M3) en Lesoto y una en la cuenca de Vemvane adyacente a Tugela. Las predicciones se compararon con los stocks medidos de los sitios de muestreo de suelo (n = 98) en las diversas cuencas. Los resultados mostraron que, basándose en los resultados medios de Kriging Universal (R2 = 0.66, NRMSE = 0.200 y c = 0.72), el operador de selección y reducción absoluta mínima o LASSO (R2 = 0.67, NRMSE = 0.191 y c = 0.73) y el Kriging de Regresión con modelos cubistas (R2 = 0.61, NRMSE = 0.184 y c = 0.65) tuvieron el resultado más satisfactorio, mientras que los modelos de inferencia suelo-tierra (SoLIM) tuvieron dificultades para predecir los stocks con precisión. Los modelos en Vemvane tuvieron el peor desempeño de todos, mostrando que la proximidad no necesariamente equivale a una buena similitud. El estudio concluyó que un modelo calibrado en una cuenca puede ser extrapolado. Sin embargo, la cuenca seleccionada para la calibración debe ser una buena representación del área mayor; de lo contrario, un modelo podría sobrestimar o subestimar los SOCs. La extrapolación exitosa de modelos a áreas remotas permitirá a los científicos hacer predicciones para ayudar en los esfuerzos de rehabilitación y conservación de áreas vulnerables.