Los mapas de biomasa forestal son herramientas importantes para la gestión de recursos naturales y la información sobre los stocks de carbono terrestre. Usando el Bosque Nacional de San Juan en el suroeste de Colorado como estudio de caso, evaluamos mapas regionales de biomasa creados utilizando variables físicas, índices espectrales de vegetación y análisis textural de imágenes en imágenes de Landsat TM. Investigamos ocho medidas de textura basadas en la matriz de co-ocurrencia de niveles de gris (media, varianza, homogeneidad, contraste, disimilitud, entropía, segundo momento y correlación) en cuatro tamaños de ventana (3 x 3, 5 x 5, 7 x 7, 9 x 9) en cuatro desplazamientos ([1,0], [1,1], [0,1], [1,-1]) en cuatro bandas de Landsat TM (2, 3, 4 y 5). El mapa con la mayor calidad de predicción se creó utilizando tres métricas de textura calculadas a partir de la Banda 2 de Landsat en una ventana de 3 x 3 y un desplazamiento de [0,1]: entropía, media y correlación; y una variable física: pendiente. La correlación de los valores de biomasa predichos frente a los observados para nuestro mapa de biomasa basado en textura es r = 0.86, el Error Cuadrático Medio es 45.6 Mg·ha-1, y el Coeficiente de Variación del Error Cuadrático Medio es 0.31. Encontramos que los modelos que incluyen variables de textura de imagen están más fuertemente correlacionados con la biomasa que los modelos que utilizan solo variables físicas y espectrales. Además, sugerimos que el uso de textura parece capturar mejor la magnitud y dirección del cambio de biomasa tras una perturbación en comparación con los enfoques espectrales. Los métodos de mapeo de biomasa que presentamos aquí son ampliamente aplicables en todo Estados Unidos, ya que se basan en conjuntos de datos disponibles públicamente y utilizan rutinas analíticas relativamente simples.