Nghiên cứu thực hiện với mục tiêu sử dụng tƣ liệu ảnh viễn thám và ứng dụng thuật toán học máy (Machine Learning) phân loại sử dụng đất tại Thành phố Cần Thơ năm 2022 nhằm góp phần bổ sung đa dạng ứng dụng thuật toán học máy trong quản lý đất đai và giám sát tài nguyên môi trƣờng. Nghiên cứu áp dụng 02 thuật toán học máy rừng ngẫu nhiên - Random Forest (RF) và máy Vector hỗ trợ - Support Vector Machine (SVM) phân loại 06 loại sử dụng đất gồm đất lúa, đất công trình xây dựng, cây lâu năm, cây hàng năm khác, thuỷ sản và sông rạch sử dụng ảnh Sentinel-2 trên nền tảng Google Earth Engine (GEE). Kết quả nghiên cứu cho thấy phƣơng pháp RF có độ tin cậy cao với độ chính xác toàn cục (T) 93,03% và hệ số Kappa (K) 0,91 và thuật toán SVM có độ tin cậy thấp hơn với độ chính xác toàn cục (T) và hệ số Kappa (K) lần lƣợt là 73,63% và 0,67. Thuật toán RF có độ tin cậy rất cao trên 05 loại sử dụng đất gồm đất lúa (100%); đất công trình xây dựng (100%), cây hàng năm (89,5%), thủy sản (90,5%) và sông (87,5%). Thuật toán SVM có độ tin cậy cao phân bố trên lúa (95,7%) và thuỷ sản (95,2%). Kết quả nghiên cứu góp phần bổ sung đa dạng ứng dụng thuật toán học máy theo dõi phân bố loại sử dụng đất và hỗ trợ công tác quản lý, sử dụng đất tại địa phƣơng có liên quan trong quản lý đất đai, quản lý tài nguyên và môi trƣờng.