Explainable Machine Learning for Bio-regional Drought Prediction in South Australia
Diese Studie präsentiert ein erklärbares maschinelles Lernframework unter Verwendung von XGBoost- und Temporal Attention LSTM-Modellen, um die Dürreintensität über sechs südaustralische IBRA-Subregionen mit hoher Genauigkeit vorherzusagen, wobei aufgezeigt wird, dass verzögerte SPI-12-Werte und Niederschlagsanomalien die dominanten Prädiktoren sind und die sechsjährige Ausbreitung der Millennium-Dürre vom Murray Scroll Belt zum Eyre Mallee kartiert wird.