La cartografía de la cobertura terrestre se realiza a menudo a través de conjuntos de datos multiespectrales e hiperespectrales de satélites o aéreas. Este artículo explora nuevos potenciales para la caracterización de la cobertura terrestre a partir de fuentes de satélites en escala de grises de archivo mediante el análisis de clasificación de imágenes coloreadas. En particular, se utilizó una imagen del satélite CORONA sobre la ciudad de Larnaca en Chipre para este estudio. El método de aprendizaje profundo DeOldify, integrado en la plataforma MyHeritage, se aplicó inicialmente para colorear la imagen CORONA. La nueva imagen se comparó luego con la imagen original en escala de grises a través de varios métodos de métricas de calidad. Luego se realizó la corrección geométrica de la imagen coloreada de CORONA utilizando puntos de control en común tomados para imágenes aéreas. Más tarde, se completó un proceso de segmentación de la imagen, mientras se seleccionaban y caracterizaban segmentos para fines de entrenamiento durante el proceso de clasificación. Este último se realizó utilizando el clasificador de máquina de soporte vectorial (SVM). Se seleccionaron cinco clases principales de cobertura terrestre: tierra, agua, lago salado, vegetación y áreas urbanas. Los resultados generales del proceso de clasificación fueron luego evaluados. Los resultados fueron muy prometedores (>85% de precisión en la clasificación, 0.91 de coeficiente kappa). Los resultados muestran que este método puede implementarse en cualquier imagen de satélite o aérea en escala de grises de archivo para caracterizar paisajes previos. Estos resultados son mejores en comparación con otros métodos, como el uso de filtros de textura.