El objetivo de este artículo es elegir el método más apropiado para identificar y gestionar los cambios en la cobertura del suelo a lo largo del tiempo. Estos procesos se intensifican debido a actividades humanas como la agricultura, la urbanización y la deforestación. El estudio se basa en el campo de la teledetección. Los autores utilizaron cuatro métodos diferentes de segmentación de imágenes satelitales con diferentes datos: datos de Radar de Apertura Sintética (SAR) del Sentinel-1, imágenes de Imágenes Multiespectrales (MSI) del Sentinel-2 y una fusión de estos datos. Las imágenes fueron preprocesadas bajo segmentación mediante algoritmos especiales y la plataforma de aplicaciones del programa Sentinel de la Agencia Espacial Europea (ESA SNAP). El análisis se realizó en la parte occidental de Lituania, que se caracteriza por un uso diverso del suelo. Las técnicas aplicadas durante el estudio fueron: la coherencia de dos imágenes SAR; el método en el que las imágenes SAR y MSI se segmentan por separado y los resultados de la segmentación se fusionan; el método en el que los datos SAR y MSI se fusionan antes de la segmentación de la cobertura del suelo; y un método mejorado de fusión de datos SAR y MSI añadiendo fórmulas e imágenes índice adicionales. Los resultados de 2018 y 2019 obtenidos para la segmentación de imágenes SAR difieren de los resultados de segmentación MSI. Las áreas urbanas están mal identificadas debido a la similitud de las firmas espectrales, donde las áreas urbanas se superponen con clases como no vegetación y/o territorios arenosos. Por lo tanto, es necesario incluir las encuestas de campo en los cálculos para mejorar la fiabilidad y precisión de los resultados. Los autores opinan que el cálculo de índices adicionales puede ayudar a mejorar la visibilidad de las clases de vegetación y áreas urbanas. Estos índices, calculados en base a dos o más bandas diferentes de imágenes multiespectrales, ayudarían a mejorar la precisión de los resultados de segmentación.