Os sensores remotos têm evoluído em escala crescente, no que diz respeito às resoluções espacial, espectral e temporal. A aplicação conjunta de sistemas/sensores multiespectrais das plataformas dos satélites Landsat-8 e Sentinel-2, é muito importante e eficaz para aplicações de mudanças ambientais. Assim, a comparação cruzada entre os dois satélites torna-se indispensável para o uso complementar das imagens. A pesquisa propõe analisar o comportamento espectral e espacial entre os sensores: OLI/Landsat-8 e MSI/Sentinel-2 na bacia hidrográfica do rio Moxotó. A análise entre os sensores OLI e MSI, revelou que as características radiométricas e espectrais dos sensores, ainda que semelhantes, não são idênticas e podem produzir diferenças consideráveis. Avaliaram-se as bandas do visível, infravermelho próximo e infravermelho médio, entre os sensores, em níveis de reflectância topo da atmosfera (TOA) e de superfície (BOA), em dois períodos distintos agosto e dezembro, do ano de 2017. Os resultados assinalam que as maiores diferenças médias, entre os sensores estão na região do infravermelho próximo, ao se comparar a banda 5 do OLI com a 8 do MSI, contudo essa diferença é reduzida ao se comparar com a 8A do MSI. O presente estudo também mostrou a fusão das imagens 8 e 8A do sensor MSI, pelo algoritmo Local Mean and Variance Matching (LMVM), os resultados expõem que a banda fusionada obteve coeficientes de R² superiores a 0,837, ao se comparar com a banda 5 do OLI em reflectância TOA, e superiores a 0,856 em reflectância BOA. Calcularam-se os índices NDVI, SAVI, ARVI, EVI e NDMI, para o sensor MSI utilizando a banda 8, e também com a banda fusionada, e ambos foram comparados com os índices obtidos com o OLI. Os índices obtidos com a banda fusionada se mantiveram mais próximo do sensor OLI, tanto em valores médios como visualmente. A classificação por meio do Random Forest obteve coeficiente do Kappa superiores quando se utilizou os índices em reflectância BOA. A classificação Random Forest também foi feita considerando a sobreposição das combinações dos índices espectrais onde a qualidade do coeficiente Kappa foi excelente, avaliando todas as combinações feitas. A composição, que obteve melhor representação das classes, foi aquela com todos os índices espectrais, onde o menor valor de exatidão do produtor foi de 0,69, com o sensor MSI, nos demais casos os valores de exatidões do produtor e usuário foram superiores a 0,80.CAPESRemote sensors have evolved on a growing scale, with respect to spatial, spectral and temporal resolutions. The joint application of multispectral systems/sensors of the Landsat 8 and Sentinel-2 satellite platforms is very important and effective for applications of environmental changes. Thus, the cross-comparison between the two satellites becomes indispensable for the complementary use of the images. The research proposes to analyze the spectral and spatial behavior between the sensors: OLI/Landsat-8 and MSI/Sentinel-2 in the watershed of the Moxotó River. The analysis between the OLI and MSI sensors revealed that the radiometric and spectral characteristics of the sensors, although similar, are not identical and can produce considerable differences. The bands of the visible, near infrared and medium infrared were evaluated between the sensors at the Top-Of-Atmosphere (TOA) and Bottom-Of-Atmosphere (BOA) reflectance levels, in two distinct periods in August and December, both of the year 2017. The results indicate that the largest average differences between the sensors are in the near infrared region when comparing the band 5 of the OLI with the 8 of the MSI, but this difference is reduced when compared to the 8A of the MSI. The present study also showed the fusion of the MSI sensor images 8 and 8A by the Local Mean and Variance Matching (LMVM) algorithm, the results show that the fused band obtained R² coefficients higher than 0.837, when compared to the band 5 of the OLI in TOA reflectance and higher to 0.856 in reflectance BOA. The NDVI, SAVI, ARVI, EVI and NDMI indices were calculated for the MSI sensor using band 8, and also with the fused band, and both were compared with the indexes obtained with the OLI. The indices obtained with the fused band remained closer to the OLI sensor, both in average values and visually. The classification through Random Forest obtained higher coefficient of Kappa when the indexes were used in reflectance BOA. The Random Forest classification was also made considering the overlap of spectral index combinations where the quality of the Kappa coefficient was excellent considering all the combinations made. The composition, which obtained a better representation of the classes, was the one with all the spectral indices, where the lowest accuracy value of the producer was 0.69, with the MSI sensor, in the other cases the values of producer and user accuracy were higher to 0.80.