Este estudio desarrolló un modelo de clasificación multianual para cereales de invierno en una región semiárida, el área de Kairouan (Túnez). Se construyó un modelo de clasificación de bosques aleatorios utilizando índices de vegetación del Sentinel 2 (S2) para una temporada agrícola de referencia, 2020/2021. Este modelo luego se aplicó utilizando datos del S2 y Landsat (7 y 8) para temporadas anteriores desde 2011 hasta 2022 y se validó utilizando datos de observación de campo. El modelo de clasificación de referencia logró una precisión general (OA) del 89.3%. El uso de datos del S2 resultó en una precisión general de clasificación más alta. La clasificación de cereales exhibió una excelente precisión que oscilaba entre el 85.8% y el 95.1% al utilizar datos del S2, mientras que se obtuvo una precisión más baja (del 41% al 91.8%) al utilizar solo datos de Landsat. Se observó una ligera confusión entre cereales y cereales que crecen con olivos. Un segundo objetivo fue mapear los cereales lo antes posible en la temporada agrícola. Un modelo de clasificación temprana de cereales demostró resultados precisos en febrero (cuatro meses antes de la cosecha), con una precisión del 95.2% y un OA del 87.7%. Cuando se aplicó a todo el período, la clasificación de cereales de febrero mostró una precisión que oscilaba entre el 85.1% y el 94.2% al utilizar datos del S2, mientras que se observó una precisión más baja (del 42.6% al 95.4%) en general con datos de Landsat. Esta metodología podría ser adoptada en otras regiones cerealeras con climas similares para producir información muy útil para el planificador, lo que llevaría a una reducción en el trabajo de campo.