La detección rápida y confiable de deslizamientos de tierra es esencial para la respuesta ante desastres, la evaluación de riesgos y el monitoreo ambiental, particularmente en entornos donde la información oportuna es crítica. Reconociendo la necesidad, este estudio propone un marco unificado que integra la clasificación LULC basada en píxeles con la detección de deslizamientos de tierra utilizando imágenes satelitales multiespectrales. En este marco, los deslizamientos de tierra se identifican como transiciones de vegetación a tierra desnuda, restringidas por condiciones temporales, de terreno y morfológicas, lo que hace que la detección dependa de una clasificación precisa de la vegetación y la tierra desnuda. Se seleccionó una configuración óptima del clasificador a través de un esquema estadístico basado en un análisis de varianza de tres vías (ANOVA) para garantizar una clasificación confiable y se aplicó a imágenes de eventos previos y posteriores para derivar áreas candidatas a deslizamientos de tierra. Para mejorar la confiabilidad de la detección, se aplicaron filtros de terreno y morfológicos, incluyendo una restricción de pendiente seleccionada a través de un análisis de sensibilidad y una relación de longitud a ancho (L/A) para reducir las detecciones falsas. Las precisiones de clasificación logradas en los dos sitios de estudio variaron del 0.85 al 0.89, apoyando la detección de aproximadamente el 70% del área total de deslizamientos de tierra, con una precisión de hasta 0.93 y puntuaciones F1 de 0.77-0.79. Umbrales de pendiente más bajos mejoraron la completitud de la detección, mientras que umbrales más altos aumentaron los errores de omisión. Estos hallazgos sugieren que la integración propuesta de la clasificación LULC optimizada y la detección de cambios restringida puede proporcionar un marco práctico y potencialmente transferible para mejorar el rendimiento de la detección de deslizamientos de tierra en diversas condiciones ambientales.