En este artículo proponemos un método de clasificación híbrido, adoptando la mejor estrategia de extracción de características para cada clase de cobertura terrestre en datos ASTER de múltiples fechas. Para permitir una comparación efectiva entre imágenes, se aplicó la transformación de Detección de Alteraciones Multivariada (MAD) en la fase de preprocesamiento, debido a su alto nivel de automatización y fiabilidad en la mejora de la información de cambio entre diferentes imágenes. En consecuencia, se implementaron diferentes procedimientos de identificación de características, tanto espectrales como basados en objetos, para superar problemas de mala clasificación entre clases con respuestas espectrales similares. Por último, se realizó una comparación post-clasificación en mapas de cobertura terrestre (LC) derivados de ASTER de múltiples fechas para evaluar los efectos del cambio en el área de estudio.