A importância da pecuária para o Brasil e para o mundo impõe a necessidade de racionalizar as ferramentas e procedimentos que possibilitem identificar pastagens degradadas, minimizando e até suprimindo as consequências danosas, tornandoas mais sustentáveis. O sensoriamento remoto favorece a análise espacial e temporal das áreas de interesse, permitindo avaliações da degradação das pastagens, principalmente com a utilização de índices de vegetação. Os sensores de satélites orbitais geralmente captam reflectâncias das bandas do visível e do infravermelho próximo e isso permite estimar índices de vegetação que revelam o vigor da planta e dos pastos. No presente estudo, foi desenvolvido um script na plataforma de processamento de imagens Google Earth Engine (GEE), manipulando imagens do satélite Landsat 8 OLI, com o objetivo de mapear pastagens degradadas em escala local para comparar a eficiência de detecção entre novos índices de vegetação modificados no visível e NDVI. A principal inovação foi a modificação do denominador da equação Color Index – CI para eliminar o efeito de normalização e aumentar a sensibilidade do novo índice de vegetação no visível. Assim, o CI foi modificado para "Quociente de Brilho Total" de Azul, Verde e Vermelho, TBQB, TBQG e TBQR, respectivamente. Os índices baseados no espectro do visível foram pelo menos tão eficientes quanto o NDVI no diagnóstico de pastagens degradadas, sobretudo o TBQG que apresentou correlação de 0,965 e acurácia de 88,63% quando comparado ao NDVI. Os nossos resultados sugerem que os índices visíveis modificados avaliados favorecem a simplificação do mapeamento da degradação, com o uso de câmeras de baixo custo, embarcadas ou presentes em UAV, satélites orbitais e smartphones.