La información de clasificación de la cobertura terrestre a largo plazo es la base para la investigación científica sobre la expansión urbana, el cambio de vegetación y el ciclo del carbono. El rápido desarrollo de plataformas de computación en la nube como Google Earth Engine (GEE) y el acceso a imágenes satelitales de múltiples fuentes de Landsat y Sentinel-2 permite la aplicación de algoritmos de aprendizaje automático para la clasificación de imágenes. Aquí, utilizamos el algoritmo de bosque aleatorio para lograr rápidamente una clasificación de la cobertura terrestre a lo largo del tiempo en diferentes escalas, basándonos en los puntos de muestra de clasificación de tierras fijos seleccionados de imágenes adquiridas en 2022 y las diferencias espectrales año por año de los puntos de muestra. La precisión de la clasificación se mejoró utilizando datos de teledetección de múltiples fuentes, como datos de radar de apertura sintética (SAR) y modelos digitales de elevación (DEM). Los resultados mostraron que: (i) la diferencia máxima (umbral) de los puntos de muestra sin cambio de clase de tierra, determinada al contar los puntos de muestra de cada banda de la serie temporal de Landsat desde 1986 hasta 2022, fue de 0.25; (ii) el coeficiente kappa y la precisión observada del mismo sensor de Landsat 8 son más altos que los resultados de los datos de los sensores TM y ETM+ desde 2013 hasta 2022; y (iii) la adición de un tipo de cobertura terrestre minera aumenta el coeficiente kappa y los valores medios de precisión general de la clasificación de imágenes de Sentinel 2 para un área compleja de minería y bosque. Entre las clasificaciones de tierras a través de teledetección de múltiples fuentes, las variables combinadas de Banda espectral + Índice + Terreno + SAR resultan en la mayor precisión, pero la mejora general es limitada. El método propuesto es aplicable a imágenes de teledetección en diferentes escalas y al uso de sensores en condiciones de terreno complejo. El uso de la plataforma de computación en la nube GEE permitió el análisis rápido de datos de teledetección para producir mapas de cobertura terrestre con alta precisión y una larga serie temporal.