La cartografía de los diversos patrones morfológicos de los asentamientos informales sigue siendo compleja debido a la falta de datos de alta resolución y a los altos costos asociados, así como a la heterogeneidad espacial de los entornos urbanos. La accesibilidad a imágenes de PlanetScope de alta resolución espacial, junto con la conveniencia del algoritmo de agrupamiento no iterativo simple (SNIC) dentro de Google Earth Engine (GEE), presenta el potencial para el Análisis de Imágenes Basado en Objetos Geográficos (GEOBIA) para mapear la morfología espacial de los bolsillos de privación en un entorno construido complejo de Durban. Tales avances en los inventarios de imágenes satelitales de múltiples sensores en GEE también permiten la posibilidad de integrar datos de sensores con diferentes características espectrales y resoluciones espaciales para una abstracción efectiva de la diversidad de los asentamientos informales. El objetivo principal es aprovechar los datos de radar de Sentinel-1, la fusión de datos ópticos de Sentinel-2 y PlanetScope para una localización más precisa y exacta de los asentamientos informales utilizando GEOBIA, dentro de GEE. Los hallazgos revelan que el modelo de clasificación Random Forests logró una precisión de identificación de asentamientos informales del 87% (F-score) y una precisión general del 96%. Se realizó una evaluación del acuerdo entre las extensiones observadas de los asentamientos informales y las dimensiones de la verdad de terreno a través de un análisis de regresión, obteniendo un error cuadrático medio logarítmico (RMSLE) = 0.69 y un error porcentual absoluto medio (MAPE) = 0.28. Los resultados demuestran la fiabilidad del modelo de clasificación para capturar la variabilidad de las características espaciales de los asentamientos informales. Los hallazgos de la investigación confirman la eficacia de las ventajas combinadas de GEOBIA dentro de GEE y los conjuntos de datos integrados para una captura más precisa de las características morfológicas características de los asentamientos informales. Los resultados sugieren un cambio de los enfoques convencionales estáticos estándar hacia una cartografía de asentamientos informales más dinámica y bajo demanda a través de la computación en la nube, una plataforma de análisis poderosa que simplifica el acceso y el procesamiento de grandes volúmenes de datos. El estudio tiene importantes implicaciones para identificar las formas más efectivas de mapear asentamientos informales en un paisaje urbano complejo, proporcionando así un punto de referencia para otras regiones con una heterogeneidad paisajística significativa.