Se presenta un procedimiento de análisis de datos espectrales y geográficos que permite obtener estimados de las probabilidades a priori de las categorías de cobertura del suelo en función del contexto geográfico. El modelo de probabilidades a priori así generado, se utilizó para realizar una clasificación bayesiana de máxima verosimilitud de una imagen Landsat TM, de la Región Central de Costa Rica. Despué s de modificar las probabilidades a priori la consistencia total de la clasificación en los sitios de entrenamiento mejoró de 74,6% (clasificación tradicional de máxima verosimilitud con probabilidades a priori iguales) a 91,9%, mientras que la precisión total de la clasificación en sitios controlados en el terreno por investigadores independientes mejoró de 68,7% a 89%. La precisión de la clasificación mejoró sobre todo para las categorías de bosques que son espectralmente similares.