Гранулометрический состав – компонент почвенной структуры и одно из важнейших почвенных свойств. Существуют эффективные методы определения гранулометрического состава, что делает это свойство удобным для изучения и картографирования. Однако, для измерения гранулометрического состава необходимы трудозатратные отбор и анализ образцов почвы, из-за чего возникает ограничение на максимальное количество точек, создающее сложности при картографировании. Использование данных дистанционного зондирования может быть решением для построения карт гранулометрического состава. Определить возможность использования открытой поверхности почвы для картографирования гранулометрического состава. Объект исследования – сельскохозяйственные производственные поля (общая площадь 1000 га) Северо-Кавказского федерального научного аграрного центра. Территория расположена в Шпаковском районе Ставропольского края. По теплообеспеченности условия очень тёплые, по влагообеспеченности – недостаточно влажные. Объект расположен в пределах Ставропольской возвышенности, занимая часть водораздельной поверхности и склона долины. Почвообразующие породы представлены лёссами и лессовидными отложениями, делювиальными отложениями, элювием известняков-ракушечников и песчаников. Территория относится к зоне обыкновенных и южных чернозёмов степи. Производилось описание почвы и отбор образцов в почвенных разрезах и буровым методом. Расстановка точек осуществлялась методом латинского гиперкуба по слоям рельефа и среднемноголетнему NDVI. В образцах определялись фракции гранулометрического состава по USDA методом лазерной дифракции. Для создания композита отражательной способности использовались предобработанные (Level-2) данные Landsat 8, дополнительно осуществлялась фильтрация облаков. Снимки отдельных полей размечались вручную по принадлежности к классам: открытая поверхность почвы, зелёная растительность, нефотосинтезирующая растительность. Для разделения открытой поверхности от других классов использовались пороговые значения индексов NDVI, NBR2, BSI. Оптимальное пороговое значение определялось по максимальному значению F1-score. Для моделирования использовались средние, медианные значения, стандартные отклонения, значения 1-го и 3-го квартилей, межквартильный размах для 6 спектральных каналов. Итоговая линейная модель включала наиболее коррелирующие признаки с исключением мультиколлинеарных признаков. Моделирование гранулометрического состава происходило методом линейной регрессии. Количество признаков определялось значением метрик R2adj. и RMSE для итоговой модели по кросс-валидации (число выборок 5, число повторений 100). Спектральные индексы обладали различной эффективностью при разделении открытой поверхности почвы и классов растительности. Наименее эффективен по F1-score оказался NDVI – значение 0.87, более эффективны – NBR2 (0.94) и BSI (0.98). Предполагается, что это связано с невозможностью разделения почвы и нефотосинтезирующей растительности по RED и NIR каналам, использованным в индексе NDVI. Наиболее эффективным в работе был признан BSI, его пороговое значение 0.18 использовалось при создании композитов. В итоговые модели песка и глины были включены композиты среднего значения и стандартного отклонения канала SWIR2 (2080-2350 нм), модель пыли из-за несколько меньшего качества рассчитывалась по разнице. Для модели по всем данным метрики качества R2adj. составляют для песка и глины соответственно: 0.82 и 0.78, RMSE: 7.2 и 2.4. Использование порогового значения спектрального индекса BSI позволило эффективно отделять открытую поверхность почвы от других классов наземного покрова (F1-score = 0.98). Полученные композиты отражательной способности позволили предсказать долю фракций гранулометрического состава в поверхностном горизонте с высокой точностью (R2adj. песка, пыли и ила 0.82, 0.76 и 0.78 соответственно). Использование данного подхода на других территориях может быть эффективным при картографировании гранулометрического состава поверхностного горизонта почвы.