Defensa de tesis doctoral en Inteligencia Artificial por el Sr. Kaloma Usman MAJIKUMNA

La Universidad Euromed de Fez (UEMF) se complace en informar al público de

la defensa de tesis doctoral en “Inteligencia Artificial”

La defensa de la tesis tendrá lugar el Saturday, October 11, 2025, at 10:00 am en la UEMF 

Ubicación: El Gran Salón del Incubador (LOC001994)

La tesis será presentada por el Sr. Kaloma Usman MAJIKUMNA

bajo el tema:

“SUPERVIVENCIA DE PLANTAS Y GESTIÓN DE RIESGOS DE ENFERMEDADES BAJO ESTRÉS POR SEQUÍA UTILIZANDO INTELIGENCIA ARTIFICIAL: EL CASO DEL OLIVO EN MARRUECOS”

Resumen 

El cultivo del olivo en la región mediterránea está cada vez más amenazado por el cambio climático, en particular por la intensificación del estrés por sequía. A pesar de su reputación de resistencia a la sequía, los olivos muestran ahora vulnerabilidades debido al aumento de las temperaturas y la reducción de las precipitaciones. Para abordar este desafío, esta investigación integra IA, monitorización por satélite, aprendizaje profundo para la detección de enfermedades y experimentación de campo para desarrollar métodos avanzados que mejoren la supervivencia de las plantas y el manejo de enfermedades. Para analizar el impacto de la variabilidad climática en el cultivo del olivo, se emplearon imágenes satelitales Sentinel-2 y técnicas de IA para evaluar los cambios en el uso y la cobertura del suelo entre 2018 y 2023. Se utilizaron algoritmos avanzados de aprendizaje automático para la clasificación, con Random Forest (RF) obteniendo el mejor rendimiento. El análisis reveló un pico en la superficie cultivada de olivos en 2020, seguido de un descenso que se correlacionó fuertemente con los patrones de precipitación, lo que sugiere la influencia de restricciones climáticas y de recursos. En el contexto del monitoreo de enfermedades, se desarrolló un novedoso modelo de aprendizaje profundo, FLVAEGWO-CNN, para mejorar el rendimiento de clasificación en conjuntos de datos desequilibrados de enfermedades del olivo. Al integrar Focal Loss, Autoencoders Variacionales, Grey Wolf Optimization y Redes Neuronales Convolucionales, el modelo alcanzó un 99,2% de exactitud en clasificación binaria y demostró un excelente rendimiento en las clases minoritarias, proporcionando una herramienta escalable para la gestión de enfermedades de precisión. Por último, se realizó un experimento de campo con 80 olivos jóvenes de tres variedades (Haouzia, Menara y Languedoc) bajo cuatro regímenes de riego (100%, 50%, 25% y 0% de evapotranspiración). Los resultados mostraron que la variedad Languedoc tuvo la mayor resiliencia bajo estrés, y que el diámetro del tronco fue identificado como el predictor más fiable de la respuesta a la sequía. Las diferencias de rendimiento fueron estadísticamente significativas entre los tratamientos de riego total y déficit, lo que respalda el uso de estrategias optimizadas de riego deficitario. En general, esta investigación demuestra el valor de combinar IA, teledetección y análisis de campo para mejorar la resiliencia a la sequía y el control de enfermedades en los olivos. Los hallazgos ofrecen recomendaciones prácticas para un cultivo sostenible y la mitigación de riesgos en regiones propensas a la sequía.

Esta tesis será presentada a los miembros del jurado: