El ecosistema es un sistema agroforestal importante en Portugal, ocupando aproximadamente el 8% del área total del país. Sin embargo, este ecosistema biodiverso está amenazado debido a factores como la invasión de arbustos. En este contexto, el desarrollo de herramientas para caracterizar y monitorear áreas es crucial para su conservación. En este estudio, desarrollamos un algoritmo de red neuronal convolucional profunda basado en la arquitectura U-net para identificar regiones con árboles, arbustos, hierba, suelo desnudo u otras áreas en áreas utilizando ortofotos de alta resolución en RGB y cercanas al infrarrojo (con una resolución espacial de 25 cm) de siete sitios experimentales en la región de Alentejo en Portugal (seis utilizados para entrenamiento/validación y uno para pruebas). Para optimizar el rendimiento del modelo, realizamos ajustes de hiperparámetros, que incluyeron ajustar el número de filtros, la tasa de abandono y el tamaño del lote. El mejor modelo logró un rendimiento de clasificación general de 0.88 y una intersección media de la unión de 0.81 en el conjunto de pruebas, lo que indica una alta precisión y confiabilidad del modelo al identificar y delinear clases de cobertura terrestre en el ecosistema. El modelo desarrollado es una herramienta poderosa para identificar el estado del ecosistema con respecto a la invasión de arbustos y facilitar un mejor manejo futuro.