Explainable Machine Learning for Bio-regional Drought Prediction in South Australia
Este estudio presenta un marco de aprendizaje automático explicable que utiliza modelos XGBoost y LSTM con atención temporal para pronosticar la severidad de la sequía en seis subregiones IBRA del sur de Australia con alta precisión, revelando que el SPI-12 rezagado y las anomalías de precipitación son los predictores dominantes y mapeando la propagación de seis años de la Sequía del Milenio desde el Murray Scroll Belt hacia el Eyre Mallee.