Los datos de humedad del suelo y precipitación de alta resolución derivados de satélites se han adoptado ampliamente en la investigación sobre desastres naturales y cambio climático. La cartografía de susceptibilidad a deslizamientos de tierra, que a menudo se basa en factores predisponentes estáticos, enfrenta desafíos para tener en cuenta los cambios temporales, lo que limita su eficacia para identificar con precisión las ubicaciones potenciales de ocurrencia de deslizamientos. Un desafío clave es la falta de redes de monitoreo terrestre suficientes para la humedad del suelo y la precipitación, especialmente en áreas remotas con acceso limitado a datos de pluviómetros. Este estudio aborda estas limitaciones integrando factores de condicionamiento estáticos de deslizamientos de tierra, como la topografía, la geología y las características del paisaje, con datos satelitales dinámicos de alta resolución, incluyendo humedad del suelo y precipitación. Utilizando técnicas de aprendizaje automático, particularmente el algoritmo de bosque aleatorio (RF), el enfoque permite la generación de mapas de susceptibilidad a deslizamientos de tierra dinámicos que incorporan tanto variaciones espaciales como temporales. Para validar el método propuesto, se analizaron dos eventos significativos de lluvia que ocurrieron en Italia en octubre y noviembre de 2019, cada uno de los cuales provocó más de 40 deslizamientos. Se integraron datos de lluvia y humedad del suelo de alta resolución satelital con factores de condicionamiento estadísticos para identificar con éxito áreas de alta probabilidad de deslizamientos. Se generó un mapa de susceptibilidad diferencial para estos eventos para comparar los resultados entre ellos, ilustrando cómo las variaciones de susceptibilidad dentro del área de estudio están influenciadas por factores hidrológicos. Se capturaron con precisión los patrones de susceptibilidad distintos asociados con diferentes condiciones hidrológicas. Se sugiere que la investigación futura se centre en aprovechar datos satelitales de alta resolución en series temporales para mejorar aún más las evaluaciones de susceptibilidad a deslizamientos de tierra.