背景。气候变化正在加剧极端天气事件（EWE），对人畜共患病动态可能产生深远影响，但EWE与高致病性禽流感（HPAI）H5N1爆发之间的联系机制仍被描述得很有限。目前正在进行的H5N1全兽人流行，导致全球500多种鸟类和哺乳动物物种感染，以及近1000例人类病例和477例死亡，为评估气候如何影响景观层面溢出风险提供了关键机会。 方法。我们编制了2022年至2024年美国本土H5N1确诊的县月数据集，并将其与卫星气候指标、风暴事件数据和野鸟活动数据整合。我们训练并验证了梯度增强机分类器，用于预测爆发风险并表征预测变量之间的关系。 结果。我们的模型实现了强的判别性能（AUC-ROC = 0.856;AUC-PR = 0.237，比偶然提升7倍）和高召回率（0.726），支持其作为早期预警工具的实用性。人类群体和温度相关变量是最具影响力的预测因素：寒冷的温度冲击和持续的低温持续与爆发风险升高相关，这很可能通过增强的环境病毒持续性、野生鸟类栖息地压缩以及宿主中由压力驱动的免疫抑制所致。在风暴变量中，高风力覆盖率增加风险，可能通过受污染颗粒的气溶胶传播，而龙卷风活动则呈反比关系，与候鸟已知的回避行为相符。野生鸟类水库密度与爆发风险呈强烈正向单调关系。 结论。我们的分析表明，常规可用的环境和感染数据可用于在细密时空尺度上预测HPAI爆发风险。这些发现展示了短期与长期环境暴露在HPAI溢出动态中的差异性作用，以及基于机器学习的监测工具在制定有针对性的生物安全干预和预警系统方面的潜力。