La provincia de Jilin está ubicada en el noreste de China y tiene ecosistemas frágiles y un entorno vulnerable. Los datos de cambio de uso/cobertura del suelo (LU/CC) a gran escala, de larga serie temporal y alta precisión son importantes para la planificación espacial y la protección ambiental en áreas con alta heterogeneidad superficial. En este artículo, basado en los datos de fusión temporal y espacial de Landsat y MODIS y el Google Earth Engine (GEE), se realizó un mapeo de LU/CC de larga serie temporal y un análisis espacio-temporal para el período 2000-2023 utilizando el método de clasificación de imágenes de teledetección de bosque aleatorio, que integra índices de teledetección. Los resultados de la predicción utilizando el método OL-STARFM fueron muy cercanos a las imágenes reales y contenían mejor la información espacial de la imagen, lo que permitió su aplicación a la clasificación posterior. La precisión general promedio y el coeficiente kappa de los productos de clasificación de bosque aleatorio obtenidos utilizando el índice de teledetección fusionado fueron del 95.11% y 0.9394, respectivamente. Durante el período de estudio, el área de tierras cultivadas y tierras no utilizadas disminuyó en su conjunto. El área de pastizales, bosques y agua fluctuó, mientras que la tierra edificada aumentó a 13,442.27 km2 en 2023. En términos de transferencia de tierras, las tierras cultivadas fueron la fuente más importante de transferencias, y la participación total del área disminuyó del 42.98% al 38.39%. Las tierras cultivadas se transfirieron principalmente a pastizales, tierras forestales y tierras edificadas, con áreas de transferencia de 7682.48 km2, 8374.11 km2 y 7244.52 km2, respectivamente. El pastizal fue la mayor fuente de transferencia de tierras hacia tierras cultivadas, y la transferencia de tierras entre otros tipos de características fue relativamente pequeña, con menos de 3300 km2. Este estudio proporciona apoyo de datos para la gestión científica de los recursos terrestres en la provincia de Jilin, y el conjunto de datos resultante de LU/CC es de gran importancia para el desarrollo sostenible regional.