Este trabajo muestra una evaluación de la precisión del uso del suelo, especialmente en lo que respecta a la cobertura de cultivos de palma aceitera, utilizando métodos de fusión de imágenes ópticas/radar de apertura sintética (SAR) a través de la implementación del algoritmo de bosques aleatorios (RF) en plataformas de computación en la nube utilizando imágenes ópticas de Sentinel-1 SAR y Sentinel-2. Entre los métodos de fusión evaluados se encontraban Brovey (BR), modulación de alta frecuencia (HFM), Gram-Schmidt (GS) y componentes principales (PC). Este trabajo se desarrolló utilizando un entorno de computación en la nube que emplea R y Python para el análisis estadístico. Se encontró que una pila de imágenes ópticas/SAR resultó en la mejor precisión general con un 82.14%, que fue un 11.66% más alto que el de la imagen SAR y un 7.85% más alto que el de la imagen óptica. Los métodos de fusión de imágenes de alta frecuencia (HFM) y Brovey (BR) mostraron precisión general más alta que la clasificación de imágenes ópticas de Sentinel-2 en un 3.8% y 3.09%, respectivamente. Esto demuestra el potencial de integrar imágenes ópticas con imágenes de Sentinel SAR para aumentar la precisión de la clasificación del uso del suelo. Por otro lado, las imágenes SAR obtuvieron resultados de alta precisión al clasificar cultivos de palma aceitera y bosques, alcanzando un 94.29% y un 90%, respectivamente. Esto demuestra la capacidad del radar de apertura sintética (SAR) para proporcionar más información cuando se fusiona con una imagen óptica para mejorar la clasificación del uso del suelo.