La notable adaptabilidad y rápida proliferación de ha llevado a su estatus invasivo en los pastizales de Kenia, impactando de manera perjudicial la vegetación nativa y la biodiversidad. Agravadas por actividades humanas como el sobrepastoreo, la deforestación y la degradación de la tierra, estas condiciones hacen que la propagación y gestión de esta especie sea una preocupación ecológica crítica. Este estudio evalúa la efectividad de la inteligencia artificial (IA) y el monitoreo remoto en el seguimiento de la invasión en el condado de Baringo, Kenia. Investigamos los factores ambientales, incluidas las condiciones climáticas, el uso del suelo y los atributos biofísicos, que influyen en su distinción de la vegetación nativa. Al analizar datos sobre la presencia y ausencia de , junto con conjuntos de datos sobre el clima, el uso del suelo y la elevación, identificamos factores clave que facilitan su detección. Nuestros hallazgos destacan al clasificador de Árbol de Decisión/Bosque Aleatorio como el más efectivo, logrando una tasa de precisión del 95% en la clasificación de instancias. Variables clave como el Índice de Vegetación de Diferencia Normalizada (NDVI) para febrero, la precipitación, el tipo de uso del suelo y la elevación fueron significativas en la identificación precisa de . Las percepciones de la comunidad revelan perspectivas variadas sobre el impacto de , con opiniones diferentes basadas en experiencias profesionales con la especie. Al integrar estos avances tecnológicos con el conocimiento local, esta investigación contribuye al desarrollo de prácticas de gestión sostenible adaptadas a los desafíos ecológicos y sociales únicos que plantea esta especie invasora. Nuestros resultados destacan la contribución de tecnologías avanzadas para la gestión ambiental y la conservación dentro de los ecosistemas de pastizales.