En la mayoría de los países en desarrollo, las pequeñas explotaciones agrícolas son la fuente principal de ingresos y producen una parte significativa de la producción total de cultivos para los cultivos principales. La cartografía precisa de la distribución de cultivos y la estimación de la superficie juegan un papel importante en la optimización de la producción agrícola y la asignación de recursos. En este estudio, nuestro objetivo es desarrollar un enfoque de mapeo LULC espaciotemporal, multiespectral y multipolarimétrico para evaluar la cartografía de distribución de cultivos y la estimación de la superficie para la Región de Oromía en Etiopía. El estudio se llevó a cabo integrando datos de los sensores ópticos y de radar de productos Sentinel. Se utilizaron algoritmos de aprendizaje automático supervisado como Máquinas de Vectores de Soporte, Bosques Aleatorios, Árboles de Clasificación y Regresión, y Aumento de Gradiente para clasificar el área de estudio en cinco tipos de uso de suelo de primera clase (edificado, agricultura, vegetación, tierra desnuda y agua). Los datos de entrenamiento y validación se recopilaron de imágenes terrestres y de alta resolución y se dividieron en una proporción de 70:30. La precisión de la clasificación se evaluó utilizando diferentes métricas como la precisión general, el coeficiente kappa, la figura de métrica y el F-score. Los resultados indican que el clasificador SVM demuestra una mayor precisión en comparación con otros algoritmos, con una precisión general para los datos solo de Sentinel-2 y la integración de datos ópticos con datos de microondas del 90% y 94% y un valor kappa de 0.85 y 0.91, respectivamente. En consecuencia, la integración de datos de Sentinel-1 y Sentinel-2 resultó en una mayor precisión general en comparación con el uso de datos de Sentinel-2 por sí solos. Los hallazgos demuestran el notable potencial de los datos de teledetección de múltiples fuentes en la estimación de la superficie agrícola en pequeñas explotaciones. Estos hallazgos preliminares destacan el potencial de utilizar datos de teledetección activa y pasiva de múltiples fuentes para la cartografía de áreas agrícolas y la estimación de la superficie.