Este documento desarrolla un nuevo enfoque para la detección de conglomerados espaciales en presencia de efectos ambientales aleatorios y covariables cuando los datos observados consisten en recuentos en una cuadrícula regular. Tales datos suelen estar sobre dispersos y ser dependientes espacialmente. La sobre dispersión y la dependencia espacial deben tenerse en cuenta en el modelado, de lo contrario, el método clásico de estadísticas de exploración puede llevar a la detección de conglomerados falsos. Por lo tanto, consideramos que los recuentos observados son generados por un proceso de Cox, lo que permite la sobre dispersión y la correlación espacial. Los efectos ambientales aquí representan covariables no observadas, a diferencia de las covariables observadas cuyas observaciones se utilizan a través de la función de enlace en el modelo. Estos efectos aleatorios se modelan mediante copulas espaciales con márgenes distribuidos según una distribución Gamma. Luego demostramos que los recuentos son dependientes y binomiales negativos y proponemos una prueba de detección de conglomerados espaciales basada en técnicas de aumento de datos. Cabe destacar que nuestro modelo también incluye el caso de efectos independientes para los cuales los recuentos son independientes y binomiales negativos. Se proporciona una ilustración de estas técnicas de exploración espacial con un conjunto de datos de la Enfermedad de la Mancha Foliar Negra (BLSD) de Martinica, Antillas Francesas. La comparación de nuestro modelo con modelos de Poisson, con o sin covariables, demuestra la importancia de nuestro enfoque para evitar conglomerados falsos.