چکیده: چکیده این پژوهش به مدل‌سازی زیستگاه ملخ مراکشی (Dociostaurus maroccanus) با استفاده از شاخص‌های بیوفیزیکی استخراج‌شده از تصاویر ماهواره‌ای و مدل شبکه عصبی پرسپترون چندلایه (MLP) پرداخته است. در این مطالعه، شاخص‌های دمایی (TCI، LST)، پوشش گیاهی (OSAVI) و خاک لخت (BSI) به‌عنوان متغیرهای ورودی انتخاب و با داده‌های حضور ملخ ترکیب شدند. عملکرد مدل با دو معیار ضریب تعیین (R²=0.9851) و ضریب نش ساتکلیف (NSE) ارزیابی شد. مقادیر NSE برای داده‌های آزمایش و آموزش به‌ترتیب 0.98 و 0.99 به‌دست آمد که دقت بالای مدل در بازتولید پراکنش ملخ را نشان می‌دهد. یافته‌ها تأکید دارند که متغیرهای دمایی و پوشش گیاهی نقش کلیدی در پراکنش این گونه دارند و شبکه عصبی توانسته است زیستگاه‌های مستعد را با دقت بالا شناسایی کند. این مطالعه نشان می‌دهد که مدل‌های هوش مصنوعی مبتنی بر داده‌های ماهواره‌ای ابزار مؤثری برای پایش و مدیریت زیستگاه‌های آفات در مناطق وسیع و صعب‌العبور هستند.