La cartografía de los atributos de fertilidad del suelo a una resolución espacial fina es crucial para la gestión específica del sitio en la agricultura de precisión. Este artículo evaluó el rendimiento de las mediciones móviles utilizando espectroscopía visible y de infrarrojo cercano (vis-NIR) para predecir y mapear los principales atributos de fertilidad en suelos tropicales a través de la modelización de datos locales con regresión de mínimos cuadrados parciales (PLS) y redes neuronales artificiales (ANN). Los modelos se calibraron y probaron en un área de calibración (18 ha) con alta variabilidad espacial de los atributos del suelo y luego se extrapolaron a todo el campo (138 ha). Los modelos calibrados con ANN obtuvieron un rendimiento superior para todos los atributos. Aunque los modelos de ANN lograron predicciones satisfactorias en el área de calibración (relación de rendimiento con el rango intercuartílico (RPIQ) >= 1.7) para arcilla, materia orgánica (OM), capacidad de intercambio catiónico (CEC), saturación de bases (V) y calcio intercambiable (ex-), esto no se repitió para algunos de ellos cuando se extrapolaron a todo el campo. En conclusión, se obtuvieron mapeos robustos (RPIQ = 2.49) para arcilla y OM, lo que indica que estos atributos se pueden mapear con éxito en suelos tropicales utilizando espectroscopía móvil vis-NIR y calibraciones locales utilizando ANN. Este estudio destaca la necesidad de implementar una prueba independiente para evaluar la fiabilidad y extrapolabilidad de los modelos calibrados previamente, incluso al extrapolar los modelos a áreas vecinas.