O monitoramento sistemático, essencial para a manutenção dos serviços ecossistêmicos, visa auxiliar na gestão, manutenção e recuperação de recursos hídricos diante das ações antrópica. Suplementando as metodologias tradicionais, o sensoriamento remoto (SR) de ambientes aquáticos relaciona as propriedades ópticas e biogequímicas do meio, possibilitando uma visão sinóptica de seus padrões de distribuição no tempo e espaço. A determinação do estado trófico e da produtividade primária do ambiente, estimadas por meio da concentração de clorofila-a (Chl-a), podem ser utilizados como índice da qualidade do recurso hídrico. A quantificação de Chl-a por SR embasa-se na aplicação empírica e/ou semi-analítica de algoritmos, geralmente desenvolvidos para águas oceânicas e costeiras, necessitando assim serem calibrados para sua utilização em águas continentais complexas como às da planície de inundação amazônica. Assim, este trabalho objetivou: i) A aplicação e validação de algoritmos empíricos em dados in situ e imagens orbitais simulados para os sensores OLI e MSI, por meio de simulação de Monte Carlo (MC); ii) Aplicação do algoritmo quasi analítico QAA da literatura, calibração e Parametrização de uma versão para às águas complexas da planície amazônica (QAALCG) e aplicação de ´Indices para a estimativa de Chl-a com os produtos gerados, utilizando dados in situ (Rrs(lbd)) simulados para o sensor OLCI. Para isto, foram obtidos dados ópticos e limnológicos em lagos da planície de inundação do baixo amazonas para quatro campanhas de campo entre 2015 e 2017, formando um conjunto de 94 pontos amostrais. Foram utilizadas as métricas estatísticas R2, MAPE, NRMSE e bias, para a avaliação do desempenho dos algoritmos. A calibração dos algoritmos empíricos esbarra na heterogeneidade dos dados das campanhas, coletadas em diferentes fases da hidrógrafa, apresentando resultados insatisfatórios no conjunto com todos os dados. A calibração e validação (MC) apenas para a campanha de 2017 foi satisfatória e possibilitou a aplicação do algoritmo às imagens dos sensores OLI e MSI de mesma data. Os algoritmos empíricos aplicados às imagens de satélite não foram satisfatórios para quantificação da Chl-a, o que pode ser atribuído a alta dinâmica observada entre a data de aquisição das imagens e a aquisição de medidas in situ, mesmo considerando-se uma defasagem de apenas 2 dias. A calibração e parametrização das relações empíricas do QAALGC foram essenciais para o bom desempenho do algoritmo. Os coeficientes de absorção derivados do QAALGC, obtiveram resultados satisfatórios para o conjunto de dados testado, porém com tendência a subestimar os valores como os demais algoritmos avaliados. A alta concentração de partículas inorgânicas na campanha independente, utilizada para validar o QAALCG, limitou a obtenção de resultados satisfatórios para a estimativa de Chl-a utilizando os coeficientes de absorção modelados pelo algoritmo. Os resultados obtidos pelo QAALCG para as águas complexas da planície de inundação amazônica foram satisfatórios. A alta dinâmica sazonal e espacial da região de estudo dificulta a modelagem dos constituintes pressentes no meio aquático, porém os algoritmos (empíricos e semi-analítico) testados mostraram potencial para a quantificação da Chl-a. ABSTRACT: Systematic monitoring, essential to maintain the ecosystem services, aim to assist the management, maintenance, and recovery of the water resources in contrast to anthropic actions. Supporting the traditional methodologies, the remote sensing (SR) of aquatic environments associate optical and biogeochemical properties of the medium, allowing a synoptic view of its distribution patterns in time and space. The determination of the environment trophic state and primary productivity, estimated by the concentration of chlorophyll-a (Chl-a), can be used as quality index to water resources. The quantification of Chl-a by SR is based on empirical and/or semi-analytical application of algorithms, generally developed for oceanic and coastal waters, needing to be calibrated for use in complex inland waters such as those on the Amazon floodplains. Thus, this study aimed to: i) application and validation of empirical algorithms in in situ data and satellite images simulated to OLI and MSI sensors, through Monte Carlo simulation (MC); ii) Application of the quasianalytical algorithm QAA from literature, calibration and parameterization of a version for the complex waters of the Amazon floodplain (QAALCG), and application of Indices to estimate Chl-a with the products generated, using in situ data (Rrs(lbd)) simulated for the OLCI sensor. So, optical and limnological data were obtained in lakes from the lower Amazon floodplains in four field campaigns between 2015 and 2017, composing a dataset of 94 sampling points. The statistical metrics R2, MAPE, NRMSE and bias were used to evaluate the performance of the algorithms. The calibration of the empirical algorithms faces the heterogeneity of the campaigns, collected in different phases of the hydrograph, presenting unsatisfactory results when calibrated with all data. However, Calibration and validation (MC) only for the 2017 campaign was satisfactory and allowed the application of the algorithm to OLI and MSI sensor images of the same date. Yet, the empirical algorithms applied to the satellite images were not satisfactory to quantify Chl-a, which can be attributed to high dynamics observed between the images date of acquisition and in situ measurements, even only with two days gap. Therefore, calibration and parameterization of the empirical relations on the QAALCG were essential for optimizing its performance. The absorption coefficients derived from the QAALGC obtained satisfactory results for the dataset tested, but with a tendency to underestimate it as well as the other algorithms evaluated. The high concentration of inorganic particles in the independent campaign, used to validate the QAALCG, limited the achievement of satisfactory results of Chl-a using the absorption coefficients modeled by the algorithm. However, the results obtained by QAALCG for complex waters of the Amazon floodplain lakes were satisfactory considering that the algorithm was developed for oceanic waters. The highly seasonal and spatial dynamics of the study region makes it difficult to model the constituents present in the water bodies, but the algorithms (empirical and semi-analytical) tested showed potential for quantification of Chl-a.