Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Soy is one of the products of most relevance to the Brazilian economy. Estimating soybean productivity through remote sensing is a potential tool for precision farming, qualifying and quantifying the productive potential of crops. The main objective of the work was to relate the data obtained through field from radiometric dates with the productivity of soybean cultivation and validate the data obtained through remote sensing platforms orbital (CBERS and LANDSAT) with the use of vegetation index. The study area is located at the Federal University of Santa Maria, with a total area of 16.14 hectares. Readings were made in each of the 15 points of working with the grid Espectrorradiometer. With the field data and Satellite images of vegetation indices were calculated. In 2009/2010 the best multiple regression models found to have been for the groups of vegetation Indices 1 (CRI, Near-Infraredt B4, REP VARI and WBI), 4 (CRI, REP, NDMI, VARI and SAVI) and 11 (Red B3, SAVI, REP and VARI) where the coefficients of determination and determination adjusted reached 97.70% and values 96.40%; 98.00% and 96.30% and 97.72% and 96.41% for groups 1, 4 and 11 respectively, and have low values of standard deviation. Showing that the combination of vegetation index of the groups in question can be used to estimate crop with good accuracy. It is important to highlight that all groups had good correlations with soybean productivity with 43 days after planting. The multiple regression analysis and Stepwise Backward with the vegetation Indices calculated with data from LANDSAT images of dates 24/01, 09/14/02 and 04, 2010, did not show significant values for any regressions. / A soja é um dos produtos de maior relevância para a economia brasileira. A estimativa de produtividade de soja por meio de sensoriamento remoto é uma ferramenta potencial para agricultura de precisão, qualificando e quantificando o potencial produtivo da lavoura. O objetivo principal do trabalho foi relacionar os dados obtidos através de radiometria de campo com a produtividade do cultivo da soja e validar os dados obtidos através de plataformas de sensoriamento remoto orbital (CBERS e LANDSAT) com a utilização de índices de vegetação. A área de estudo situa-se na Universidade Federal de Santa Maria, com área total de 16,14 hectares. Foram feitas leituras com o Espectrorradiômetro, em cada um dos 15 pontos da grade de trabalho. Com os dados de campo e das imagens dos Satélites foram calculados os Índices de Vegetação. Na Safra 2009/2010 os melhores modelos encontrados para Regressão Múltipla foram para os grupos de Índices de Vegetação 1 (CRI, IV Próximo B4, REP VARI e WBI) , 4 (CRI, REP, NDMI, VARI e SAVI) e 11 (Vermelho B3, SAVI, REP e VARI) onde os coeficientes de determinação e de determinação ajustado chegaram a valores de 97,70% e 96,40%; 98,00% e 96,30% e 97,72% e 96,41% para os grupos 1, 4 e 11, respectivamente, e apresentaram valores baixos de desvio padrão. Mostraram que a combinação dos índices de vegetação dos grupos em questão pode ser utilizada para estimativa de safra com boa precisão. É importante destacar que todos os grupos tiveram boas correlações com a produtividade para soja com 43 dias após o plantio. As análises de Regressão Múltipla e Stepwise Backward com os Índices de Vegetação, calculados com os dados das imagens do LANDSAT das datas 24/01, 09/02 e 14/04 de 2010, não apresentaram valores significativos para nenhuma das regressões.