Este artículo discute cómo se aplican técnicas de inteligencia computacional para fusionar imágenes espectrales en una imagen de mayor nivel de distribución de cobertura terrestre para teledetección, específicamente para la clasificación de imágenes satelitales. Comparamos un método de inferencia difusa con otros dos métodos de inteligencia computacional, árboles de decisión y redes neuronales, utilizando un estudio de caso de clasificación de cobertura terrestre a partir de imágenes satelitales. Además, se ha considerado un enfoque no supervisado basado en agrupamiento k-means para comparación. El método de inferencia difusa incluye entrenar el clasificador con una técnica de fusión difusa y luego realizar la clasificación de cobertura terrestre utilizando operadores de agregación por refuerzo. Para evaluar la robustez de los cuatro métodos, se llevó a cabo un estudio comparativo que incluye tres años de mapas de cobertura terrestre para el distrito de Mandimba, provincia de Niassa, Mozambique. Nuestros resultados muestran que el método de fusión difusa tiene un rendimiento similar al de los árboles de decisión, logrando clasificaciones confiables; las redes neuronales sufren de sobreajuste; mientras que el agrupamiento k-means constituye una técnica prometedora para identificar tipos de cobertura terrestre en áreas desconocidas.