Se desarrolló un método para diferenciar, delimitar, caracterizar y representar cartográfiamente las formas del terreno en zonas de montaña. Se evaluaron los DEMs SRTM de resoluciones espaciales aproximadas de 31 m y 92 m, y el DEM-ASTER de 31 m de resolución, éste último en el área de estudio mostró datos locales erróneos por lo que el análisis de exactitud vertical con enfoque geoestadístico, comparación con curvas de nivel a 1:25000 y 1:10000 y puntos de control GPS indicó que el DEM-SRTM de 31 m, era el que mejor cumplía la tolerancia máxima de exactitud vertical. Se analizaron criterios y metodologías con sus algoritmos para extraer automáticamente las formas del terreno, desde la obtención de elementos básicos del terreno, el análisis del elemento en el contexto paisajístico, superposición de parámetros mediante álgebra de mapas y clasificación no supervisada mediante agrupación k-means; algunos implementados en software propietario y otros en software libre. Se calcularon parámetros del terreno locales y regionales, y se analizaron sus distribuciones de manera univariada y multivariada, ésta última permitió seleccionar un conjunto de ellos con la menor redundancia para implementar un método de clasificación no supervisada. La clasificación no supervisada implementada en una zona centro oriental del departamento del Cauca, Colombia, permitió encontrar 12 clases de formas del terreno a partir de parámetros como el índice de convergencia, el índice topográfico de humedad, la profundidad de los valles, la insolación solar y la elevación misma, con un coeficiente de similaridad kappa máxima de 39%, valor bajo pero con un potencial alto para continuar con investigaciones adicionales, de acuerdo con resultados cualitativos encontrados al compararlos con el globo virtual Googleearth y con la leyenda geomorfológica del mapa de suelos oficial para el área de estudio.Abstract.A method was developed to differentiate, define, characterize and represent cartográfiamente landforms in mountain areas. SRTM DEMs were evaluated for approximate spatial resolution of 31 m and 92 m, and the ASTER DEM-31 m resolution, the latter in the study area showed erroneous local data so the vertical accuracy analysis geostatistical approach, compared with contours at 1:25000 and 1:10000 and GPS control points indicated that the DEM-SRTM 31 m, was best served the maximum vertical accuracy tolerance. Criteria and methodologies were analyzed with algorithms to automatically extract landforms, from obtaining basic elements of the terrain, the analysis of the element in the landscape context, overlapping parameters using map algebra and unsupervised classification using k-means clustering and some implemented in proprietary software and other free software. Parameters were calculated from the local and regional area, and their distributions were analyzed as univariate and multivariate latter allowed to select a set of them with less redundancy to implement a method of unsupervised classification. The unsupervised classification implemented in eastern central area of Cauca, Colombia, allowed to find 12 kinds of landforms based on parameters such as the rate of convergence, the topographic wetness index, the depth of the valleys, solar insolation and the same elevation, with a kappa coefficient of similarity of 39% maximum, low value but with a high potential for additional investigations continue, according to qualitative results found when compared to the virtual globe with GoogleEarth and geomorphological map legend official soil survey area.