Este estudio buscó verificar si la teledetección ofrece la capacidad de delinear de manera eficiente las copas de los olivos utilizando imágenes satelitales de QuickBird (QB). Este artículo compara cuatro algoritmos de clasificación realizados en análisis basados en píxeles y objetos. Para aumentar la resolución espectral y espacial de la imagen estándar de QB, se obtuvieron tres imágenes pansharpened diferentes basadas en variaciones en el peso de las bandas roja y cercana al infrarrojo. Los resultados mostraron ligeras diferencias entre los clasificadores. El algoritmo de Máxima Verosimilitud arrojó los mejores resultados en clasificaciones basadas en píxeles con una precisión general promedio (OA) del 94.2%. En análisis basados en objetos, los clasificadores de Máxima Verosimilitud y Árbol de Decisión ofrecieron las precisiones más altas con un OA promedio del 95.3% y 96.6%, respectivamente. Entre los análisis basados en píxeles y objetos no se observó una diferencia clara, mostrando un aumento de los valores de OA promedio de aproximadamente 1% para todos los clasificadores, excepto Árbol de Decisión, que mejoró hasta un 4.5%. La alteración del peso de diferentes bandas en el proceso de pansharpen mostró resultados satisfactorios con una mejora general del rendimiento de hasta un 9% y 11% en análisis basados en píxeles y objetos, respectivamente. Por lo tanto, se recomendaría altamente realizar análisis basados en objetos con el algoritmo DT y las imágenes pansharpened con la banda cercana al infrarrojo alterada para obtener mapas precisos para el manejo específico del sitio.