Este artigo teve como objetivo a avaliação das imagens multiespectrais ASTER para o mapeamento de Pittosporum undulatum, uma espécie lenhosa invasora, na Reserva Natural do Pico da Vara (Ilha de S. Miguel, Arquipélago dos Açores, Portugal). A avaliação foi efetuada através da aplicação dos métodos de classificação supervisionada per-pixel "K vizinhos mais próximos" (KNN), "máquinas de vetores de suporte" (SVM) e "máxima verosimilhança" (MLC) a quatro diferentes conjuntos de dados geográficos e de sensoriamento remoto constituídos pelas bandas multiespectrais do visível e infravermelho próximo (VNIR) e infravermelho de onda curta (SWIR) do sensor ASTER e, ainda, por cartografia digital associada à orografia (altitude e distância a linhas de água), da qual depende diretamente a distribuição espacial do Pittosporum undulatum. Em nível global, a maioria das classificações obtidas apresentou forte concordância e alta precisão. Em nível da espécie invasora estudada, as duas classificações mais precisas foram obtidas através da aplicação de MLC e KNN às bandas VNIR associadas ao uso da informação geográfica auxiliar. Em termos gerais, a qualidade dos resultados apresentados sofreu incremento significativo sempre que foi introduzida no esquema de classificação essa informação determinante para a ecologia e ocorrência da espécie (altitude e distância a linhas de água). Os resultados indicaram que o uso das bandas espectrais VNIR do sensor ASTER associadas à informação geográfica relevante para a distribuição espacial da espécie pode constituir uma solução de baixo custo e boa eficiência para a avaliação e monitoramento contínuos da distribuição e propagação de Pittosporum undulatum nas Áreas Protegidas dos Açores.

This paper aims to assess the effectiveness of ASTER imagery to support the mapping of Pittosporum undulatum, an invasive woody species, in Pico da Vara Natural Reserve (S. Miguel Island, Archipelago of the Azores, Portugal). This assessment was done by applying K-Nearest Neighbor (KNN), Support Vector Machine (SVM) and Maximum Likelihood (MLC) pixel-based supervised classifications to 4 different geographic and remote sensing datasets constituted by the Visible, Near-Infrared (VNIR) and Short Wave Infrared (SWIR) of the ASTER sensor and by digital cartography associated to orography (altitude and "distance to water streams") of which the spatial distribution of Pittosporum undulatum directly depends. Overall, most performed classifications showed a strong agreement and high accuracy. At targeted species level, the two higher classification accuracies were obtained when applying MLC and KNN to the VNIR bands coupled with auxiliary geographic information use. Results improved significantly by including ecology and occurrence information of species (altitude and distance to water streams) in the classification scheme. These results show that the use of ASTER sensor VNIR spectral bands, when coupled to relevant ancillary GIS data, can constitute an effective and low cost approach for the evaluation and continuous assessment of Pittosporum undulatum woodland propagation and distribution within Protected Areas of the Azores Islands.