En este documento se estudia una alternativa para obtener estimaciones de pobreza utilizando imágenes satelitales de Bogotá, D.C. y algunos municipios cercanos. Para lograr este fin, se comparan las dos metodologías presentadas en este trabajo: un modelo de redes neuronales convolucionales (CNN) y un modelo de regresión tensorial (GTR), los dos modelos aplicados para la clasificación de pixeles. A partir de estos modelos se definen unos criterios o métricas que nos permiten seleccionar el modelo que mejor captura la distribución del Índice de pobreza multidimensional (IPM) a nivel de píxeles. Finalmente, se lleva a cabo una aplicación de estimación de pobreza utilizando las imágenes de Planet Scope (PS) y la información a nivel de manzanas del ´ultimo Censo Nacional de Población y Vivienda (CNPV2018) donde se encuentra que el modelo de GTR presenta mejores métricas de desempeño en comparación del modelo de CNN (Texto tomado de la fuente).