Development of an Explainable GeoAI Wildfire Risk Analysis Model Using Multi-Source Geospatial Data

森林约占全球陆地表面的31%，在维持生态平衡方面发挥着不可或缺的关键作用。在影响森林的诸多压力中，森林火灾构成重大环境问题，对自然生态系统造成严重威胁，同时干扰林业活动并导致重大经济损失。在土耳其，森林火灾主要发生于爱琴海、地中海和马尔马拉地区。本研究通过整合多源地理空间数据，提出了一种具有前瞻性和可解释性的地理人工智能（GeoAI）框架，用于野火风险分析。该方法通过评估先进的集成机器学习算法计算物理危险性指数，其中极端梯度提升（XGBoost）表现出更优的预测性能。模型由地形、气象、生物和人为参数驱动。与此同时，利用最优最劣法（BWM）构建了涵盖物理、社会、经济和环境维度的综合脆弱性矩阵。这两个主要组成部分在地理信息系统（GIS）环境中进行空间综合。通过聚焦特征重要性以识别火灾点燃和蔓延的主要驱动因素，增强了模型的可解释性。结果表明，人为压力和野地-城市交界区（WUI）动态是最重要的风险决定因素。所生成的高分辨率地图为地方当局提供了稳健的空间决策支持系统（SDSS），有助于制定有针对性的减缓策略，并促进可持续、智慧和韧性城市的发展。