El archipiélago de Kerkennah en Túnez es una de las áreas más vulnerables donde la influencia del cambio climático es innegable. La salinización del suelo ha surgido como una de las principales consecuencias de la variación climática en esta isla. En este estudio, se implementaron técnicas de teledetección para desarrollar un modelo que predice la salinidad del suelo a partir de imágenes de satélite. Se utilizaron algoritmos de aprendizaje automático, datos de Sentinel-1 y Sentinel-2, y mediciones de verdad de terreno para estimar la salinidad del suelo. Se consideraron varios algoritmos para lograr hallazgos precisos. Estos algoritmos se clasifican como regresión polinómica, regresión de bosque aleatorio, regresión exponencial y regresión lineal. Los resultados demuestran que la regresión exponencial es el algoritmo preeminente para estimar la salinidad del suelo con una alta precisión predictiva de R = 0.75 y RMSE = 0.47 ds/m. Sin embargo, los mapas de salinidad del suelo espaciotemporales revelan patrones de distribución distintos y claros, destacando áreas salinas (es decir, sebkhas) y parcelas agrícolas. Así, a través del modelo, exploramos áreas de salinidad moderadamente alta dentro de tierras agrícolas que podrían verse afectadas por prácticas de riego. El presente trabajo demuestra un modelo confiable para el monitoreo de la salinidad del suelo en el archipiélago de Kerkennah e inspira tecnologías más exitosas como la teledetección y el aprendizaje automático para mejorar la estimación de la salinidad del suelo en áreas vulnerables afectadas por el clima.