地理空间灾害建模中的可解释人工智能：方法、应用与挑战的系统综述

完整中文导读

该研究基于PRISMA方法系统综述了2021年至2026年6月15日间发表的25项研究，考察可解释人工智能（XAI）在地理空间灾害建模中的应用。结果显示，SHAP、LIME、特征重要性分析和基于注意力机制的方法是最常用的XAI手段，滑坡（40%）与洪水（32%）研究占主导，野火（12%）和地震（8%）相对不足，其余8%涉及水文地貌易发性与洪水相关城市暴露。

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

Explainable artificial intelligence in geospatial disaster modeling: A systematic review of methods, applications, and challenges

作者：Ömer Faruk Uzun
刊物：Turkish Journal of Remote Sensing
出版时间：2026-10-05
DOI：10.51489/tuzal.1958296

研究方法

基于PRISMA的系统综述，检索Web of Science与Scopus数据库

研究对象

2021年至2026年6月15日间发表的25项关于XAI在地理空间灾害建模中应用的研究

主要发现

SHAP、LIME、特征重要性分析和注意力机制是最常用的XAI方法；滑坡（40%）和洪水（32%）研究占主导，野火（12%）和地震（8%）较少，其余8%涉及水文地貌易发性与洪水相关城市暴露；空间自相关、不确定性、可迁移性、计算复杂度和模型可靠性仍构成挑战

材料局限

基于摘要，全文细节未提供；综述仅覆盖Web of Science与Scopus索引文献