Desde la década de 1990, muchas turberas que fueron drenadas para la extracción de turba y la agricultura en Rusia han sido abandonadas, con altas emisiones de CO2 y frecuentes incendios, como los enormes incendios alrededor de Moscú en 2010. El riesgo de incendio en estas turberas puede reducirse mediante la rehidratación de turberas y la restauración de humedales, por lo que el monitoreo del estado de las turberas es esencial. Sin embargo, las grandes extensiones, la mala accesibilidad y la rápida sucesión de plantas representan desafíos para monitorear estas áreas sin imágenes satelitales. En este estudio, se utilizó una técnica que involucra datos satelitales multiespectrales para identificar seis clases de cobertura del suelo que cumplen con los requisitos para el monitoreo de turberas, utilizando el Parque Nacional Meschera como área de prueba. Este parque es la mayor área de turberas que alguna vez fueron explotadas y ahora están rehidratadas. Sin embargo, los datos de un escáner a menudo son insuficientes para implementar con éxito esta técnica. En este estudio, comparamos las clasificaciones de cobertura del suelo obtenidas utilizando datos de los satélites Spot-5, Spot-6, Landsat-7, Landsat-8 y Sentinel-2. Los datos de Spot-6 fueron insuficientes, a pesar de tener una mayor resolución espacial, debido a la falta de una banda de infrarrojo de onda corta (SWIR). La alta precisión de clasificación alcanzada utilizando datos de otros sensores permitió su uso combinado para proporcionar una precisión aceptable en el producto final. Los resultados de clasificación se compararon utilizando la distancia mínima de Erdas Imagine y el procesador de imágenes orientado a objetos ScanEx, y la precisión de clasificación fue similar entre las imágenes satelitales, lo que facilita la transición de un método a otro sin pérdida de calidad. El enfoque propuesto y probado puede utilizarse para analizar el estado de turberas abandonadas y rehidratadas en otras ubicaciones para el inventario y priorización de sitios para rehidratación y restauración, monitoreo de cambios de estado y evaluación de la eficacia de la restauración. La comparabilidad de los datos de diferentes sensores permite la combinación de imágenes clasificadas y crea nuevas posibilidades para el análisis de series temporales.