A previsão de rendimento de safra de cana-de-açúcar é de grande importância para cadeia deste agronegócio no Brasil e no Mundo. Além das Usinas, existem outras partes interessadas em toda a cadeia deste setor agrícola, que necessitam entender e prever o lado da oferta deste mercado. Entre eles estão comerciantes de commodities, bancos e seguradoras, produtores de etanol de outras fontes de matéria prima  como milho, refinarias de  e grandes produtores industriais de cana-de-açúcar. Imagens de satélite coletadas durante a estação de crescimento da cana-de-açúcar foram usadas para monitorar as colheitas. Diversas técnicas de sensoriamento remoto foram desenvolvidas para dados derivados de sensores como o MODIS (Xavier et al., 2006; Mulianga, et al., 2013), SPOT (Fernandes, et al., 2011; Vicente, et al., 2012), Landsat (Rudorff, et al., 2010; Fortes, et al., 2006) e outros. No entanto, foi observado que os sensores de satélites anteriormente citados, não atenderam aos requisitos adequadamente de frequência temporal e de resolução espacial necessárias para tais aplicações (Stafford, 2000). Recentes melhorias e atualizações das tecnologias de sensoriamento remoto em termos de resoluções espectrais, espaciais e temporais, atualmente tem permitido monitorar o crescimento das culturas de milho, batata, arroz entre outros parâmetros (ESA, 2020). Os satélites Sentinel-2A e Sentinel-2B lançados recentemente pela ESA (Agencia Europeia Espacial) possuem uma combinação única de cobertura global, aquisição sistemática, alta frequência de revisita, amplo campo de visão, alta resolução espacial e um grande número de bandas espectrais. Assim o objetivo deste trabalho será o de utilizar as bandas espectrais das imagens do Sentinel-2A e Sentinel-2B nas tecnologias de: sensoriamento remoto e processamento digital de imagens  para monitoramento continuo dos campos de cana-de-açúcar., localizados nos Municípios de Jaú e Bariri em SP. Com o desenvolvimento do projeto serão determinados índices espectrais aprimorados e biofísicos para estimar a produtividade de colmos em diferentes datas, a partir do processamento de imagens desses satélites, e posteriormente serão comparados á áreas de campo (talhões) georreferenciados. Gerando e disponibilizando bancos de dados de geoprocessamento, para melhor tomada de decisões de planejamento da cultura de cana-de-açúcar em diversos tipos de manejos.