Las iniciativas de mapeo de uso y cobertura del suelo (LULC) son esenciales para apoyar la toma de decisiones relacionadas con la implementación de diferentes políticas. Existe una necesidad de mapas LULC oportunos y precisos. Sin embargo, construirlos es un desafío. Los cambios en LULC afectan las áreas naturales y la biodiversidad local. Cuando causan fragmentación del paisaje, el mapeo y monitoreo de los cambios se ven afectados. Debido a esta situación, mejorar los esfuerzos para el mapeo y monitoreo de LULC en biomas y ecosistemas fragmentados es crucial, y la adecuada separabilidad de clases es un factor clave en este proceso. Creemos que combinar cubos de datos de observación de la Tierra (EO) multidimensionales e índices de vegetación espectral (VIs) derivados de los bordes rojos, infrarrojos cercanos e infrarrojos de onda corta proporcionados por la misión Sentinel-2/MultiSpectral Instrument (S2/MSI) reduce las incertidumbres en la estimación de áreas, llevando hacia mapeos más automatizados. Aquí, presentamos un esquema de clasificación semiautomatizado de bajo costo creado para identificar tierras cultivadas, pastizales, pastizales naturales y matorrales a partir de cubos de datos EO y la herramienta Surface Reflectance to Vegetation Indexes () para automatizar el cálculo del índice espectral, ambos producidos en el marco del proyecto Brazil Data Cube (BDC). Utilizamos esta combinación de datos y herramientas para mejorar el mapeo de LULC en el bioma del Cerrado brasileño durante la temporada de cultivos 2018-2019. La precisión general (OA) de nuestros resultados es , lo que indica el potencial del enfoque propuesto para proporcionar un mapeo LULC oportuno y preciso a partir de la detección de diferentes patrones de vegetación en series temporales.