Una comprensión integral de la distribución de la salinidad del suelo en regiones áridas es esencial para tomar decisiones informadas sobre la idoneidad agrícola, la gestión de recursos hídricos y la planificación del uso del suelo. Se desarrolló una metodología para identificar la salinidad del suelo en Sudán utilizando datos satelitales ópticos y basados en radar, así como variables obtenidas de modelos digitales de elevación que se sabe que indican variaciones en la salinidad del suelo. La metodología incluye la transferencia de modelos a áreas donde prevalecen condiciones similares. Se estableció una base de datos geográficamente coordinada, incorporando una variedad de variables ambientales basadas en Google Earth Engine (GEE) y mediciones de Conductividad Eléctrica (CE) del extracto de saturación de muestras de suelo recolectadas a tres profundidades diferentes (0-30, 30-60 y 60-90 cm). Posteriormente, se utilizaron Regresión Logística Multinomial (MNLR) y Algoritmo de Aumento de Gradiente (GBM) para clasificar espacialmente los niveles de salinidad en la región. Para determinar la aplicabilidad del modelo entrenado en el sitio de referencia al área objetivo, se realizó un análisis de Superficie de Similitud Ambiental Multivariada (MESS). Se utilizaron los parámetros de precisión del productor, precisión del usuario e índice Tau para evaluar la precisión del modelo, y se calcularon índices de confusión espacial para evaluar la incertidumbre. A diferentes profundidades del suelo, los valores del índice Tau para el área de referencia variaron de 0.38 a 0.77, mientras que los valores para las muestras del área objetivo variaron de 0.66 a 0.88, disminuyendo a medida que aumentaba la profundidad. La relación normalizada de arcilla (CLNR), el Índice de Salinidad 1 y los datos de SAR fueron variables importantes en la modelización. Se encontró que los subsuelos en las regiones media y noroeste tanto del área de referencia como del área objetivo tenían un nivel de salinidad más alto en comparación con la capa superior del suelo. Este estudio destacó la efectividad de la transferencia de modelos como un medio para identificar y evaluar la gestión de regiones que enfrentan desafíos significativos relacionados con la salinidad. Este enfoque puede ser fundamental para identificar áreas alternativas adecuadas para actividades agrícolas a nivel regional.