背景。氣候變化正在加劇極端天氣事件（EWE），對人畜共患病動態可能產生深遠影響，但EWE與高致病性禽流感（HPAI）H5N1爆發之間的聯系機制仍被描述得很有限。目前正在進行的H5N1全獸人流行，導致全球500多種鳥類和哺乳動物物種感染，以及近1000例人類病例和477例死亡，為評估氣候如何影響景觀層面溢出風險提供了關鍵機會。 方法。我們編制了2022年至2024年美國本土H5N1確診的縣月數據集，並將其與衛星氣候指標、風暴事件數據和野鳥活動數據整合。我們訓練並驗證了梯度增強機分類器，用於預測爆發風險並表征預測變量之間的關系。 結果。我們的模型實現了強的判別性能（AUC-ROC = 0.856;AUC-PR = 0.237，比偶然提升7倍）和高召回率（0.726），支持其作為早期預警工具的實用性。人類群體和溫度相關變量是最具影響力的預測因素：寒冷的溫度沖擊和持續的低溫持續與爆發風險升高相關，這很可能通過增強的環境病毒持續性、野生鳥類棲息地壓縮以及宿主中由壓力驅動的免疫抑制所致。在風暴變量中，高風力覆蓋率增加風險，可能通過受汙染顆粒的氣溶膠傳播，而龍卷風活動則呈反比關系，與候鳥已知的回避行為相符。野生鳥類水庫密度與爆發風險呈強烈正向單調關系。 結論。我們的分析表明，常規可用的環境和感染數據可用於在細密時空尺度上預測HPAI爆發風險。這些發現展示了短期與長期環境暴露在HPAI溢出動態中的差異性作用，以及基於機器學習的監測工具在制定有針對性的生物安全幹預和預警系統方面的潛力。