Los modelos de regresión basados en índices espectrales son típicamente fórmulas empíricas que permiten la cartografía de parámetros biofísicos derivados de datos de Observación de la Tierra (EO). Debido a su naturaleza empírica, sigue siendo incierto hasta qué punto un modelo de regresión seleccionado es el más apropiado, hasta que se evalúan todas las combinaciones de bandas y funciones de ajuste de curvas. Este documento describe la aplicación de una caja de herramientas de evaluación de Índices Espectrales (SI) en el paquete de Modelos de Transferencia Radiativa Automatizados (ARTMO). ARTMO permite la recuperación y cartografía semi-automática de parámetros biofísicos a partir de observaciones de teledetección óptica. La caja de herramientas SI facilita la evaluación de la precisión de recuperación de parámetros biofísicos de SIs establecidos, así como de nuevos y genéricos. Por ejemplo, según la formulación del SI utilizada, se pueden definir y evaluar todas las combinaciones de bandas posibles de formulaciones con hasta diez bandas. Hay varias opciones disponibles en la evaluación de SI: particionamiento de datos de calibración/validación, adición de ruido y definición de modelos de ajuste de curvas. Para ilustrar su funcionamiento, se han evaluado todas las combinaciones de dos bandas según las formulaciones de razón simple (SR) y diferencia normalizada (ND), así como varias funciones de ajuste (lineales, exponenciales, de potencia, logarítmicas, polinómicas). Se han utilizado datos del espectrómetro de imágenes HyMap (430-2490 nm) obtenidos durante la campaña SPARC-2003 en Barrax, España, para extraer estimaciones del índice de área foliar (LAI) y del contenido de clorofila en las hojas (LCC). Para ambas formulaciones SR y ND, se han identificado las regiones más sensibles para combinaciones de dos bandas de verde (539-570 nm) con SWIR de onda larga (2421-2453 nm) para LAI (r2: 0.83) y rojo lejano (692 nm) con NIR (1340 nm) o SWIR de onda corta (1661-1686 nm) para LCC (r2: 0.93). Las funciones de ajuste polinómicas, logarítmicas y lineales llevaron a correlaciones óptimas similares, aunque surgieron diferencias espaciales al aplicar las funciones a las imágenes de HyMap. Sugerimos que una evaluación sistemática de SI es un requisito fundamental en el enfoque de aseguramiento de calidad para una recuperación precisa de parámetros biofísicos.