Esta investigación evalúa el potencial de combinar los datos satelitales Copernicus Sentinel-1 (S1) y Sentinel-2 (S2) para producir un mapa detallado de Uso y Cobertura del Suelo (LULC) con 19 clases de tipos de cultivos y 2 categorías más amplias que contienen Bosque/Matorral y Pastizal en 28 Estados Miembros de Europa (UE-28). Se emplea el conjunto de datos de la Encuesta de Uso y Cobertura del Suelo de Eurostat (LUCAS) 2018 como verdad de terreno para el entrenamiento y validación del modelo. Se extraen características ópticas mensuales y anuales de la reflectancia espectral de S2 y de índices espectrales, junto con composiciones decenales (cada 10 días) de un sensor de microondas S1, para el territorio de la UE-28 en 2018 utilizando Google Earth Engine (GEE). Se crearon cinco conjuntos de características diferentes utilizando una mezcla de indicadores como datos de entrenamiento de entrada. Se aplicó un algoritmo de aprendizaje automático de Bosque Aleatorio (RF) para clasificar estos conjuntos de características, y los modelos de clasificación generados se compararon utilizando un conjunto de datos de validación idéntico. Los resultados muestran que las características anuales de S1 y S2 juntas son capaces de proporcionar un mapa de cobertura total menos dependiente de los efectos de las nubes y con una precisión general adecuada (OA). Basado en este conjunto de características, las 21 clases podrían clasificarse con una OA del 78.3% utilizando el conjunto de datos de validación independiente. La OA aumenta al 82.7% al agrupar 21 clases en 8 categorías más amplias. La comparación con estudios similares que utilizan datos individuales de S1 y S2 indica que combinar las series temporales de S1 y S2 puede alcanzar resultados ligeramente mejores mientras se mejora la cobertura espacial.