在我國北方干旱與半干旱流域，生態修復與農業可持續發展始終是備受關注的課題。近日，一項創新研究為這一領域帶來了突破性進展，其構建的先進技術框架有望同時實現生態系統功能恢復與區域農業高質量發展。
該研究團隊突破傳統數據整合方式的局限，搭建了跨層級、跨數據源的融合技術體系。通過將衛星遙感觀測數據、生態水文過程模型模擬結果與地面實測數據深度融合，顯著減少了對高密度地面采樣點的依賴。研究以多源衛星數據為基石，結合水量平衡與作物生長機理模型生成高質量訓練樣本，再運用集成學習、遷移學習等前沿機器學習方法，成功反演出灌溉用水量、植被凈初級生產力和土壤有機碳等關鍵生產要素的空間分布，反演精度超過90%。團隊引入分布對齊與分位映射技術，有效消除了43%的區域偏差，使最優飼草帶區域定位準確率提升至85%以上。
與傳統評估方法聚焦單一產量或生態指標不同，此次研究將飼草種植決策轉化為追求“水資源消耗-土壤固碳效益-飼草產能產出”三維協同最優的空間優化問題。通過構建統一量化體系，將生態效益、經濟收益與用水成本整合為直觀的“空間優化圖”，管理者可快速識別最具種植價值的地塊及其投入產出比，為人力、物力與資金的科學調配提供決策依據。
該成果不僅為北方干旱半干旱流域提供了可復制、高性價比的量化工具，其技術框架還具備向內蒙古-寧夏生態過渡帶、河西走廊-塔里木盆地綠洲邊緣等典型干旱區推廣的潛力，同時為全球其他干旱半干旱地區的生態修復與農業可持續發展提供了重要參考。
