La langosta del desierto (Schistocerca gregaria) ha provocado graves daños a la producción agrícola del norte de África y Oriente Medio desde tiempos antiguos. Con el objetivo de prevenir o mitigar sus efectos sobre las poblaciones locales, es necesaria una precisa localización de aquellas áreas donde crían y se reproducen. En esta tesis doctoral, presentamos 3 novedosos procedimientos para detectar posibles zonas de reproducción o cría para la langosta en Mauritania. (1) El primer método se basa en el uso del modelo hidrológico SWAT, el cual se ha utilizado para encontrar wadis, que pueden acoger a la langosta del desierto debido a sus condiciones ecológicas favorables. (2) El segundo método estudia la influencia del producto de humedad del suelo generado por la Agencia Europea del Espacio bajo su iniciativa de cambio climático (ESA CCI SM) en zonas de cría de la langosta del desierto mediante técnicas de Inteligencia Artificial (IA) y, más específicamente técnicas "machine learning". (3) Finalmente, se ha generado un modelo multi-variable a partir de la combinación de varios modelos de distribución de especies (SDMs). Los resultados demuestran la validez de las metodologías expuestas en esta tesis doctoral para identificar zonas de cría de langosta en Mauritania.
Excepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution-NonCommercial-NoDerivatives 4.0 International