【目的】选择和验证适合研究区的林火预测模型，明确火灾发生的关键驱动因素并绘制火险区划图，为森林火灾预防和管理工作提供科学依据和决策支持。【方法】基于1981—2020年历史火灾数据，融合多源（气象条件、地形、植被、人类活动和社会经济）数据，比较4种机器学习方法在内蒙古大兴安岭林火预测中的适用性，同时，基于显著影响火灾发生的驱动因素绘制火灾发生可能性地图和火险区划图。【结果】（1）增强回归树模型接受者操作特性曲线下的面积值为0.967，随机森林模型的AUC为0.947，均表现出优异的预测性能。Logistic回归模型和Gompit回归模型的预测准确率较上两种略低，AUC分别为0.852、0.851，也满足研究区的基本预测要求。（2）气象因素气温日较差、日最小相对湿度是影响内蒙古大兴安岭林火发生的主导因素；海拔在驱动因素的相对重要性排序中位居前列；人类活动和社会经济因素（如距公路的距离、距火灾瞭望塔的距离、人均GDP等）对林火发生也有一定影响。（3）内蒙古大兴安岭东部和东南部存在大面积火灾中、高风险区，北部中俄边境和西南部中蒙边境也有较高的火灾风险。火灾发生前一年秋季防火期的平均气温、平均地表温度等因素会影响第2年森林火灾的发生。【结论】与其他3种模型相比，增强回归树模型是最适合内蒙古大兴安岭林火发生的预测模型。气象因子、海拔显著影响内蒙古大兴安岭林火发生，人类活动和社会经济因素对火灾发生也有一定的影响。研究区的中高火险区域主要集中在东部和东南部，北部和西南部也有一定的火灾风险。