A textura e o conteúdo do carbono orgânico (CO) influenciam na resposta espectral dos solos. O estudo desses atributos é de grande importância para a preservação e o manejo adequado da terra na busca de uma agricultura sustentável. O uso de sensores de laboratório e satélites tem se mostrado como uma ferramenta no auxílio para o estudo destes, porém a análise dos atributos do solo com esses sensores tem focado principalmente nas regiões do espectro eletromagnético do visível (Vis), infravermelho próximo (NIR) e infravermelho de ondas curtas (SWIR), com poucos estudos no infravermelho médio (MIR). O objetivo deste trabalho foi identificar o padrão espectral do solo com diferentes granulometrias (areia e argila) e teores de CO utilizando sensores de laboratório e satélite na região do MIR, especificamente na faixa do infravermelho termal (TIR). O estudo teve uma avaliação qualitativa e quantitativa da argila, CO e das frações de areia (fina e grossa). A área de estudo está localizada na região de Piracicaba, São Paulo, Brasil. Foram coletadas 150 amostras de solo a uma profundidade de 0-20 cm. A textura do solo foi determinada pelo método da pipeta e a porcentagem de CO via combustão seca. Dados espectrais em refletância e emissividade (ε) foram adquiridos com o sensor Fourier Transform Infrared (FT-IR) Alpha (Bruker optics Corporation). Uma imagem "ASTER_05" foi adquirida em 15 de julho de 2017 em valores de ε. As amostras foram separadas por classes texturais e o comportamento espectral no TIR foi descrito. Os dados obtidos pelo sensor de laboratório foram reamostrados para as bandas do sensor de satélite. O comportamento entre os espectros de ambos sensores foi semelhante e teve correlação significativa com os atributos estudados, principalmente para areia. Para os modelos de regressão por mínimos quadrados parciais (PLSR), foram utilizadas seis estratégias (MIR, MIR_ASTER, ASTER, Termal, Termal IDC e MIR IDC) que consistiram no uso de todas as bandas de sensores, ou pela seleção das mesmas que apresentaram as correlações mais significativas com cada um dos atributos. Os modelos apresentaram um bom desempenho na predição de todos os atributos usando o MIR inteiro. No TIR, o modelo para areia total e para as frações fina e grossa foi bom. No caso dos modelos criados com os dados do sensor ASTER, não foram tão promissores quanto os de laboratório. O uso de bandas específicas ajudou a estimar alguns atributos no MIR e no TIR, aumentando o desempenho preditivo melhorando a validação dos modelos. Portanto, a discriminação dos atributos do solo com sensores de satélite pode ser melhorada com a identificação de bandas específicas, como observado nos resultados com sensores de laboratório.

Soil texture and organic carbon (OC) content influence its spectral response. The study of these attributes is relevant for the preservation and proper management of land in pursuit of a sustainable agriculture. Laboratory and satellite sensors have been applied as a useful tool for studying soil attributes, but their analysis with these sensors has mainly focused on the visible (Vis), near infrared (NIR) and shortwave infrared (SWIR) regions of the electromagnetic spectrum, with few studies in the Medium Infrared (MIR). The objective of this study was to identify the spectral pattern of soils with different granulometry (sand and clay) and OC content using laboratory and satellite sensors in the MIR region, specifically in the Thermal Infrared (TIR) range. This study had qualitative and quantitative analyses of clay, OC and sand fractions (fine and coarse). The study area is located in the region of Piracicaba, São Paulo, Brazil. 150 soil samples were collected at a depth of 0-20 cm. Soil texture was determined by the pipette method and the percentage of OC via dry combustion. Reflectance and emissivity (ε) spectral data were obtained with the Fourier Transform Infrared (FT-IR) Alpha sensor (Bruker Optics Corporation). An image "ASTER_05" from July 15, 2017 was acquired with values of ε. Samples were separated by textural classes and the spectral behavior in the TIR region was described. The data obtained by the laboratory sensor were resampled to the satellite sensor bands. The behavior between spectra of both sensors was similar and had significant correlation with the studied attributes, mainly sand. For the partial least squares regression (PLSR) models, six strategies were used (MIR, MIR_ASTER, ASTER, Thermal, Thermal IDC and MIR IDC), which consisted in the use of all sensors bands, or by the selection of bands that presented the most significant correlations with each one of the attributes. Models presented a good performance in the prediction of all attributes using the whole MIR. In the TIR, models for total sand content and for fine and coarse fractions were good. In the case of models created with ASTER sensor data, they were not as promising as those with laboratory data. The use of specific bands was useful in estimating some attributes in the MIR and TIR, improving the predictive performance and validation of models. Therefore, the discrimination of soil attributes with satellite sensors can be improved with the identification of specific bands, as observed in the results with laboratory sensors.