O carbono orgânico do solo (SOC) é um indicador importante e fiável da qualidade do solo. Neste estudo, os espectros do solo foram caracterizados e analisados para prever o conteúdo espacial de SOC, utilizando a técnica de modelação preditiva multivariada - rede neural artificial (RNA). Foram gerados conjuntos de dados de imagens hiperespectrais EO1-Hyperion (400 - 2500 nm), à escala do campo e do laboratório (350 - 2500 nm), que consistem no teor de SOC estimado em laboratório das amostras de solo recolhidas (variável dependente) e nos dados de reflexão correspondentes das bandas espectrais sensíveis ao SOC (variáveis preditivas). Para cada conjunto de dados, foram desenvolvidos modelos de previsão ANN e três conjuntos de dados (à escala da imagem, à escala do campo e à escala do laboratório) revelaram desempenhos significativos da rede para treino, teste e validação, indicando uma boa generalização da rede para o teor de SOC. A análise baseada na RNA mostrou uma elevada previsão do teor de SOC à escala da imagem (R2 = 0,93 e RPD = 3,19), à escala do campo (R2 = 0,92 e RPD = 3,17) e à escala do laboratório (R2 = 0,95 e RPD = 3,16). Os resultados da validação da RNA indicaram que os modelos de previsão tiveram um bom desempenho (R2 = 0,90) com RMSE 0,070. O resultado mostrou que os métodos ANN têm um grande potencial para estimar o teor de SOC.
