En el presente estudio, probamos la aplicabilidad de datos satelitales de múltiples sensores para tener en cuenta los factores naturales clave de los cambios anuales en el número de ganado en los distritos soum a nivel de condado de Mongolia. Se desarrolló un modelo esquemático de paisajes nómadas y se utilizó para seleccionar posibles impulsores recuperables de datos satelitales de múltiples sensores. Se utilizaron tres métodos alternativos (análisis de componentes principales, PCA; regresión múltiple por pasos, SMR; y modelo de aprendizaje automático de bosque aleatorio, RF) para determinar los impulsores clave de los cambios en el ganado y los brotes de Dzud. El Dzud a nivel nacional en 2010 fue bien caracterizado por el PCA como frío, con un invierno nevado y baja biomasa de forraje en verano. El RF estimó el cambio anual en el ganado con alta precisión (R2 > 0.9 en la mayoría de los soums). El SMR fue menos preciso, pero proporcionó mejores ideas intuitivas sobre la regionalidad de los factores clave y sus relaciones con el clima local y las características del Dzud. Las variables de verano e invierno parecieron ser casi igualmente importantes en ambos modelos. Los factores primarios del cambio en el ganado y el Dzud mostraron patrones regionales: sequedad en el sur, temperatura en el norte y recursos de forraje en las regiones central y occidental. Este estudio demuestra un potencial sinérgico de modelos y datos satelitales para comprender las interacciones clima-vegetación-ganado en los pastizales nómadas de Mongolia.