Sigue siendo un desafío clasificar con precisión las nubes complicadas debido a los diversos tipos de nubes y su distribución en múltiples capas. En este artículo, se investiga la información de radiación de múltiples bandas del satélite geoestacionario Himawari-8 y el producto de clasificación de nubes del satélite de órbita polar CloudSat desde junio hasta septiembre de 2018. Basado en conjuntos de muestras emparejados por dos tipos de datos satelitales, se aplicó un algoritmo de bosque aleatorio (RF) para entrenar un modelo, y se desarrolló un método de recuperación para la clasificación de nubes. Con el uso de este método, los conjuntos de muestras fueron invertidos y clasificados como cielo despejado, nubes bajas, nubes medias, cirros delgados, cirros gruesos, nubes de múltiples capas y nubes de convección profunda (cumulonimbus). Los resultados indican que la precisión promedio para todos los tipos de nubes durante el día es del 88.4%, y las clasificaciones erróneas ocurren principalmente entre nubes bajas y medias, nubes de cirros gruesos y nubes de cumulonimbus. La precisión promedio es del 79.1% por la noche, con más clasificaciones erróneas entre nubes medias, nubes de múltiples capas y nubes de cumulonimbus. Además, se seleccionó el tifón Muifa de 2022 como un caso de muestra, y se utilizó el producto de tipo de nube (CLT) de un satélite FY-4A para examinar el método de clasificación. En el sistema de nubes del tifón Muifa, un área de cumulonimbus clasificada utilizando el método correspondió bien con un sistema convectivo de mesoescala (MCS). En comparación con el producto CLT de FY-4A, las clasificaciones de nubes de tipo hielo (cirros gruesos) y nubes de múltiples capas son efectivas, y la ubicación, forma y tamaño de estas dos variedades de nubes son similares.