Actualmente hay una comprensión limitada en torno a la precisión espacial de los consejos de mejora del suelo en función de la densidad de muestreo a escala subcampo. En consecuencia, las decisiones basadas en el suelo suelen tomarse utilizando un enfoque limitado de datos, ya que no se ha descrito bien la propuesta de valor de la recolección de datos del suelo. El trabajo presentado aquí investiga los errores espaciales de las recomendaciones de yeso y cal basadas en la tasa fija estándar de la industria y la aplicación de tasa variable basada en zonas, así como enfoques pedométricos más avanzados: kriging ordinario (OK) y kriging de regresión (RK). Todos los métodos se probaron a densidades de muestreo entre 0.1-3 muestras/ha para un sitio de cultivo de 108 ha en el centro de Nueva Gales del Sur, Australia. Mientras que trabajos anteriores han probado el efecto de la densidad de muestreo en el rendimiento predictivo espacial de OK y RK, aquí evaluamos la precisión de la predicción como el error asociado con las decisiones de manejo del suelo basadas en sus resultados (es decir, el error de sobre y subaplicación de las aplicaciones de yeso y cal) junto con el RMSE de la predicción para el pH del suelo y el porcentaje de sodio intercambiable (ESP). También se probó la incertidumbre de cada método para observar el efecto de la inicialización aleatoria en el rendimiento predictivo. Los resultados indicaron que RK proporcionó predicciones espaciales superiores en todas las densidades de muestreo para la aplicación de yeso y cal, con una aplicación de tasa fija proporcionando los peores resultados, con errores de sobre y subaplicación superiores a 200 t y 300 t respectivamente para el tratamiento de 40-60 cm para todo el campo. Curiosamente, la precisión espacial de la aplicación de enmiendas aumentó a una densidad de muestreo de 0.5 muestras/ha para RK, con una mejora mínima posterior, lo que sugiere que se puede obtener consejos significativos de mejora del suelo cercanos a esta densidad.