基于SHAP可解释AI与MODIS活跃火点的伊兹密尔野火易发性制图

完整中文导读

该研究用SHAP可解释人工智能方法，结合地形、气候、人为影响和植被等15个条件因子，以MODIS活跃火点数据训练随机森林、XGBoost和LightGBM模型，绘制土耳其伊兹密尔省野火易发性图。

论文资料与摘要整理

整理依据：原始摘要与元数据；未据此展示论文全文

SHAP-Driven Explainable Artificial Intelligence Framework for Wildfire Susceptibility Mapping Using MODIS Active Fire Pixels: An In-Depth Interpretation of Contributing Factors in Izmir, Türkiye

作者：Muzaffer Can Iban；Oktay Aksu
刊物：Remote Sensing
出版时间：2024-08-02
DOI：10.3390/rs16152842

研究方法

基于摘要，使用MODIS活跃火点数据（MCD14ML）与15个地形、气候、人为和植被条件因子，训练随机森林、XGBoost、LightGBM模型，并用SHAP摘要图和依赖图分析各因子贡献

研究对象

土耳其伊兹密尔省的野火易发性制图与致灾因子解释

主要发现

基于摘要，随机森林测试精度最高（95.6%），在敏感度、特异度、精确率和F-1分数上表现最佳；风速、温度、NDVI、坡度和距村落距离与火险升高相关，降雨和距溪流距离影响较复杂；高易发区集中在聚落与农田附近的平坦沿海地带

材料局限

基于摘要，所选因子在多样区域间的充分性、空间异质数据重采样带来的偏差以及模型更广泛适用性仍需解决