编辑推荐：
为量化野火驱动因素的滞后效应、解析欧洲野火风险影响机制，研究人员针对 2014-2023 年欧洲森林等夏季野火，用 LSTM 构建模型（AUC=0.928），结合 SHAP 分析 11 个月驱动因素贡献，发现 TCI、SRCI 等是主因，地中海风险最高，为野火防控提供新方法。
野火频发是全球气候变化下日益严峻的生态挑战。其发生与气象、植被等多因素关联，但驱动因素的时间滞后效应难以量化，欧洲范围内对前期气候和植被条件如何影响野火风险的全面认知仍存空白。例如，干旱和高温如何在不同季节累积作用、不同地理区域的风险差异机制尚不清晰，这导致难以精准制定预警和防控策略。为填补这一研究空白，相关研究人员开展了欧洲夏季野火驱动因素的深入研究。
研究团队基于 2014 至 2023 年欧洲森林、灌木和草本植被区的夏季野火数据，构建了结合长短期记忆网络（LSTM）和可解释人工智能（XAI）的分析框架，相关成果发表在《Ecological Indicators》。
研究采用的关键技术方法包括：利用 LSTM 模型整合 18 项指标（涵盖燃烧面积、气象、植被、地形和人类活动数据）构建野火发生模型，通过时空交叉验证确保模型可靠性；运用 SHapley 加性解释（SHAP）方法解析模型，量化前 11 个月各驱动因素的月度贡献，结合欧洲生物地理分区（如地中海、阿尔卑斯等）进行空间差异分析。
模型性能与核心驱动因素识别
通过 LSTM 模型训练，测试集结果显示准确率为 0.828，精确率 0.786，召回率 0.901，ROC 曲线下面积（AUC）达 0.928，表明模型具有较高可靠性。利用 SHAP 分析发现，温度条件指数（TCI）、太阳辐射条件指数（SRCI）、土壤湿度条件指数（SMCI）和归一化植被指数（NDVI）是主要驱动因素，其平均绝对 SHAP 值显著高于地形和人类活动相关指标。例如，TCI 的平均绝对 SHAP 值为 0.01845，反映极端温度对野火风险的关键影响。
驱动因素的时间动态与区域差异
月度贡献分析显示，越接近野火发生月份（如 8 月），各因素贡献越大，7 月累计 SHAP 值最高（0.2366），而冬季贡献较低。但 TCI 在冬季因温度降低贡献下降，3 月后随气温回升再次升高；SMCI 和 NDVI 在 3 月出现小峰值，与春季植被生长和土壤水分条件相关。空间上，地中海地区野火风险最高，其 8 月野火驱动因素贡献早在春季就已显现，如 TCI 和 SRCI 在伊比利亚半岛的正贡献显著，而阿尔卑斯、大西洋和大陆性气候区风险较低，夏季 SHAP 值多为负值或接近零。
时空评估与生物地理区域特征
对比 2014 年（低火险）和 2021 年（高火险）发现，地中海地区在高火险年份的 SHAP 值覆盖范围更广、强度更高。例如，2021 年夏季 TCI 在伊比利亚半岛的正贡献区域扩大，SRCI 在巴尔干半岛分布更广泛。生物地理统计显示，地中海地区除前两个月外，SHAP 值总和持续为正，3 月出现小高峰，7 月除 SRCI 外均为正贡献，反映其生态系统对气候干旱和植被干燥的高敏感性。
研究结论与意义
研究揭示了欧洲夏季野火驱动因素的时空规律：气象和植被条件（如 TCI、SRCI、SMCI、NDVI）是核心影响因子，夏季当前季节驱动因素作用最强，冬春过渡季次之；地中海地区因气候和植被特性成为高风险区，且驱动因素贡献具有早期可监测性。SHAP 值的早期监测可为累积效应引发的野火提供预警，但需结合突发因素（如短期干旱、人为活动）区分风险类型。该研究首次整合 LSTM 与 XAI 量化野火驱动因素的滞后效应，为欧洲野火风险评估、区域防控策略制定和跨季节预警系统提供了新方法和理论依据，助力应对气候变化下的野火挑战。
