Se requieren procedimientos eficientes de detección y monitoreo de especies de plantas invasoras. Es de crucial importancia abordar estas plantas en los ecosistemas acuáticos, ya que pueden afectar la biodiversidad y, en última instancia, la función y los servicios del ecosistema. En este estudio, se pretende detectar el jacinto de agua (Eichhornia crassipes) utilizando datos multiespectrales con diferentes resoluciones espaciales. Para este propósito, se utilizaron datos de alta resolución (<0.1 m) adquiridos de un vehículo aéreo no tripulado (UAV) y datos de resolución gruesa (10 m) del Sentinel-2 MSI. Se encuestaron tres áreas con una alta incidencia de jacinto de agua ubicadas en la región del Bajo Mondego (Portugal). Se utilizaron diferentes clasificadores para realizar una detección basada en píxeles de esta especie invasora en ambos conjuntos de datos. De los diferentes clasificadores utilizados, los resultados fueron destacados por los clasificadores de bosque aleatorio (precisión general (OA): 0.94). Por otro lado, la máquina de soporte vectorial tuvo el peor desempeño (OA: 0.87), seguida por Bayes ingenuo gaussiano (OA: 0.88), k-vecinos más cercanos (OA: 0.90) y redes neuronales artificiales (OA: 0.91). La mayor resolución espacial de los datos basados en UAV nos permitió detectar pequeñas cantidades de jacinto de agua, que no pudieron ser detectadas en los datos de Sentinel-2. Sin embargo, a pesar de la resolución más gruesa, el análisis de datos satelitales nos permitió identificar la cobertura de jacinto de agua, que se comparó bien con una encuesta basada en UAV. Combinando ambos conjuntos de datos e incluso considerando las diferentes resoluciones, fue posible observar la evolución temporal y espacial del jacinto de agua. Este enfoque demostró ser una forma efectiva de evaluar los efectos de las medidas de mitigación/control tomadas en las áreas de estudio. Así, este enfoque puede aplicarse para detectar especies invasoras en entornos acuáticos y monitorear sus cambios a lo largo del tiempo.