La diversidad de especies vegetales presentes en Colombia y la falta de inventario sobre ellas hace pensar en un proceso que facilite la labor de los investigadores en estas disciplinas. Los sensores remotos satelitales como el LANDSAT ETM+ y las tecnicas de inteligencia artificial no supervisadas, como los Self-Organizing Maps - SOM, podrian proveer una alternativa viable para avanzar en la obtencion rapida de informacion que corresponda a zonas con diferentes coberturas vegetales presentes en la geografia nacional. La zona propuesta para el caso en estudio fue clasificada de forma supervisada por el metodo de maxima similitud en otro trabajo de investigacion en ciencias forestales y se discriminaron ocho tipos de coberturas vegetales. Esta informacion sirvio como patron de medida para evaluar el desempeno de los clasificadores no supervisados ISODATA y SOM. Sin embargo, la informacion que proveen las imagenes debio ser depurada previamente de acuerdo a los criterios de uso y calidad de los datos de manera que se utilizara la informacion adecuada para estos metodos no supervisados. Para esto se recurrio a varios conceptos como las estadisticas de las imagenes, el comportamiento espectral de las comunidades vegetales, las caracteristicas del sensor y la divergencia promedio que permitieron definir las mejores bandas y sus combinaciones. Sobre estas se aplico el concepto de analisis de componentes principales que permitio reducir el numero de datos conservando un gran porcentaje de la informacion. Sobre estos datos depurados se aplicaron las tecnicas no supervisadas modificando algunos parametros que pudieran mostrar una mejor convergencia de los metodos. Los resultados obtenidos se compararon con la clasificacion supervisada a traves de matrices de confusion y se concluye que no hay una buena convergencia de los metodos de clasificacion no supervisada con este proceso para el caso de las coberturas vegetales.