As operações aritméticas efetuadas entre bandas espectrais de imagens de sensoriamento remoto necessitam de correção atmosférica para eliminar os efeitos atmosféricos na resposta espectral dos alvos, pois os números digitais não apresentam escala equivalente em todas as bandas. Índices de vegetação, calculados com base em operações aritméticas, além de caracterizarem a vegetação, minimizam os efeitos da iluminação da cena causados pela topografia. Com o objetivo de analisar a eficácia da correção atmosférica no cálculo de índices de vegetação, este trabalho comparou os Índices de Vegetação por Diferença Normalizada (Normalized Difference Vegetation Index - NDVI), calculados com base em imagens corrigidas e não corrigidas de um recorte de uma cena Landsat 8/OLI situado na cidade do Rio de Janeiro, Brasil. Os resultados mostraram que o NDVI calculado pela reflectância, ou seja, imagem corrigida, apresentou o melhor resultado, devido ao maior discriminação das classes de vegetação e de corpos d'água na imagem, bem como à minimização do efeito topográfico nos valores dos índices de vegetação. Analysis of the atmospheric correction impact on the assessment of the Normalized Difference Vegetation Index for a Landsat 8 oli image A B S T R A C TThe image arithmetic operations must be executed on previously atmospherically corrected bands, since the digital numbers do not present equivalent scales in all bands. Vegetation indices, calculated by means of arithmetic operations, are meant for both targets characterization and the minimization of illumination effects caused by the topography. With the purpose to analyze the efficacy of atmospheric correction in the calculation of vegetation indices with respect to the mitigation of atmospheric and topographic effects on the targets spectral response, this paper compared the NDVI (Normalized Difference Vegetation Index) calculated using corrected and uncorrected images related to an inset of a Landsat 8 OLI scene from Rio de Janeiro, Brazil. The result showed that NDVI calculated from reflectance values, i.e, corrected images, presented the best results due to a greater number of vegetation patches and water bodies classes that could be discriminated in the image, as well the mitigation of the topographic effect in the vegetation indices values.Keywords: remote sensing, urban forest, atmospheric correction.