Los bosques de miombo en el sur de África están experimentando cambios acelerados debido a disturbios naturales y antropogénicos. Para formular estrategias de gestión sostenible de los bosques en el ecosistema de miombo, se requiere información actualizada y oportuna sobre la cobertura del suelo. Los avances recientes en la tecnología de teledetección han mejorado el mapeo de la cobertura del suelo en ecosistemas tropicales de hoja perenne. Sin embargo, el mapeo de la cobertura forestal sigue siendo un desafío en el ecosistema de miombo. El objetivo del estudio fue evaluar el rendimiento de los árboles de decisión (DT), bosques aleatorios (RF) y máquinas de soporte vectorial (SVM) en el contexto de mejorar el mapeo de la cobertura forestal y no forestal en el ecosistema de miombo en Zimbabue. Utilizamos variables de dependencia espectral y espacial de Landsat 8 multidate (I de Moran) para mapear la cobertura forestal y no forestal. Los resultados muestran que el clasificador RF superó a los clasificadores SVM y DT en un 4% y un 15%, respectivamente. Las medidas de importancia del RF muestran que las variables espectrales y espaciales de Landsat 8 multidate tuvieron la mayor influencia en la separabilidad de clases en el área de estudio. Por lo tanto, el clasificador RF tiene el potencial de mejorar el mapeo de la cobertura forestal en el ecosistema de miombo.