面向干旱城市的气候智慧型适宜性制图框架：融合机器学习与层次分析法以增强植被韧性
A climate-smart suitability mapping framework for arid cities: Integrating machine learning and AHP to enhance vegetation resilience
发表于 2026年3月26日 · 收录于雷达 2026年11月5日
中文摘要
研究将机器学习与层次分析法结合，评估阿联酋艾因市基准及未来气候—城市情景下的植被适宜性。结果显示，适宜植被条件存在显著空间差异，未来优质适宜区将减少并趋于破碎，最适宜植被区域重心向东北移动。NDWI、地表温度和土地利用/土地覆被是影响较大的因素，CatBoost准确率最高。