Il carbonio organico del suolo (SOC) è un indicatore importante e affidabile della qualità del suolo. In questo studio, gli spettri del suolo sono stati caratterizzati e analizzati per prevedere il contenuto spaziale di SOC, utilizzando una tecnica di modellazione predittiva multivariata - rete neurale artificiale (ANN). Sono state generate immagini iperspettrali EO1-Hyperion (400-2500 nm), set di dati su scala di campo e di laboratorio (350-2500 nm), costituiti dal contenuto di SOC stimato in laboratorio dei campioni di suolo raccolti (variabile dipendente) e dai corrispondenti dati di riflessione delle bande spettrali sensibili al SOC (variabili predittive). Per ogni serie di dati, sono stati sviluppati modelli predittivi ANN e tre serie di dati (a scala di immagine, a scala di campo e a scala di laboratorio) hanno rivelato prestazioni significative della rete per l'addestramento, il test e la validazione, indicando una buona generalizzazione della rete per il contenuto di SOC. L'analisi basata sulla RNA ha mostrato un'elevata previsione del contenuto di SOC a livello di immagine (R2 = 0,93 e RPD = 3,19), campo (R2 = 0,92 e RPD = 3,17) e laboratorio (R2 = 0,95 e RPD = 3,16). I risultati della convalida di ANN hanno indicato che i modelli predittivi hanno funzionato bene (R2 = 0,90) con RMSE 0,070. I risultati hanno dimostrato che i metodi ANN hanno un grande potenziale per la stima del contenuto di SOC.