《Remote Sensing Applications: Society and Environment》：Spatially Explicit Explainable Machine Learning Reveals Heterogeneous Drivers of Fire Occurrence in the Southwestern Amazon
编辑推荐：
摘要热带森林中的火灾发生是气候变率、景观特征和人为压力之间复杂相互作用的产物，这使得识别主导环境控制因素变得困难。尽管机器学习方法在火灾建模中提升了预测性能，但对模型输出的空间解释以及火灾驱动因素的地理变异关系关注有限。本研究整合了卫星火点观测数据、环境数据集、机器学习算法和
摘要
热带森林中的火灾发生是气候变率、景观特征和人为压力之间复杂相互作用的产物，这使得识别主导环境控制因素变得困难。尽管机器学习方法在火灾建模中提升了预测性能，但对模型输出的空间解释以及火灾驱动因素的地理变异关系关注有限。本研究整合了卫星火点观测数据、环境数据集、机器学习算法和可解释人工智能（XAI）技术，对2014至2024年间亚马逊西南部朗多尼亚州的火灾发生进行了研究。来自对地观测数据集的环境、气候、地形和可达性变量被整合到预测建模框架中。本研究评估了四种机器学习算法（随机森林、ExtraTrees、LightGBM和XGBoost），并使用SHAP（SHapley Additive exPlanations）评估模型可解释性。XGBoost取得了最高的预测性能（R2 = 0.809）。SHAP分析识别出坡度、月份和无雨天数是火灾发生最具影响力的预测因子。坡度作为主导预测因子，SHAP分析揭示了其围绕5°的非线性响应，超过该阈值后其对模型预测的贡献显著增加。空间SHAP分析揭示了预测因子影响力存在显著的地理变异，地形和干旱相关预测因子在景观的不同区域表现出更强的贡献。这些发现表明，环境预测因子对火灾发生预测的贡献在朗多尼亚州各区域存在空间差异，强调了地理显式解释在热带火灾建模中的重要性。通过整合对地观测产品、机器学习、基于SHAP的可解释性和空间显式解释，本研究为理解和管理热带生态系统中的火灾发生提供了一个透明框架。
章节片段
引言
火灾已成为影响热带生态系统最普遍的干扰之一，对生物多样性保护、碳循环、生态系统弹性和气候调节具有深远影响（Pontes-Lopes等人，2026年）。在巴西亚马逊地区，火灾发生与土地利用变化、森林破碎化、道路扩张和气候变率密切相关，导致火灾制度在时空上呈现高度异质性（Cancio等人，2025年；Silva Junior等人，2020年）
材料与方法
本研究在朗多尼亚州开展，该州位于巴西亚马逊西南部地区，面积约237,591 km2。该地区是巴西亚马逊地区农业前沿扩张最活跃的区域之一，其景观特征表现为异质性，由原生林残地、牧场、成熟农业用地、保护区和不断扩展的道路网络组成（IBGE，2023年）。这一地域背景导致强烈的
结果
对所测试算法预测性能的比较分析揭示了在朗多尼亚州（2014–2024年）火灾发生建模能力上存在显著差异。根据图2中展示的统计指标，所有模型均表现出令人满意的预测性能，决定系数（R2）范围为0.687至0.809。XGBoost取得了最高的预测性能（R2 = 0.809），其次是LightGBM（R2 = 0.794）和ExtraTrees（R2 = 0.791），
讨论
朗多尼亚州的火灾发生与气候季节性、地形约束和人为压力的相互作用有关，产生了一种单一环境驱动因素无法完全解释的异质空间模式。这种复杂性强化了对能够捕捉非线性关系和空间变异控制因素的方法的需求，特别是在快速变化的热带景观中。除这些空间控制因素外，先前的火灾历史，
结论
本研究表明，亚马逊西南部的火灾发生与地形条件、季节性气候变率和短期水分亏缺的相互作用有关。在所评估的预测因子中，坡度、月份和无雨天数是最具影响力的变量，表明景观格局和干旱动态对于理解朗多尼亚州的火灾发生模式均具有重要作用。此外，SHAP分析揭示了显著的线性
CRediT作者贡献声明
Rodrigo Martins Moreira：撰写——审阅与编辑、验证、监督、方法论。Lais Moreira Miguel：撰写——初稿、可视化、软件、方法论、调查、形式分析、概念化
未引用参考文献
NASADEM，2020年；UNEP-WCMCIUCN，2024年。
数据可用性声明
本研究中使用的数据集可通过巴西火灾发生数据库（BD Queimadas/INPE）、Google Earth Engine、MapBiomas、HydroSHEDS、WDPA和NASADEM资源库公开获取。用于模型开发的已处理数据集和脚本可向通讯作者合理请求获取。
利益冲突声明
? 作者声明他们不存在已知的竞争性财务利益或个人关系，这些利益或关系可能影响本论文所报告的工作。
Laís Moreira Miguel | Rodrigo Martins Moreira
社会-生态系统与气候变化研究组 & 环境科学研究生项目，朗多尼亚联邦大学（UNIR），罗利姆德穆拉，RO 76940-000，巴西
