在我国北方干旱与半干旱流域，生态修复与农业可持续发展始终是备受关注的课题。近日，一项创新研究为这一领域带来了突破性进展，其构建的先进技术框架有望同时实现生态系统功能恢复与区域农业高质量发展。
该研究团队突破传统数据整合方式的局限，搭建了跨层级、跨数据源的融合技术体系。通过将卫星遥感观测数据、生态水文过程模型模拟结果与地面实测数据深度融合，显著减少了对高密度地面采样点的依赖。研究以多源卫星数据为基石，结合水量平衡与作物生长机理模型生成高质量训练样本，再运用集成学习、迁移学习等前沿机器学习方法，成功反演出灌溉用水量、植被净初级生产力和土壤有机碳等关键生产要素的空间分布，反演精度超过90%。团队引入分布对齐与分位映射技术，有效消除了43%的区域偏差，使最优饲草带区域定位准确率提升至85%以上。
与传统评估方法聚焦单一产量或生态指标不同，此次研究将饲草种植决策转化为追求“水资源消耗-土壤固碳效益-饲草产能产出”三维协同最优的空间优化问题。通过构建统一量化体系，将生态效益、经济收益与用水成本整合为直观的“空间优化图”，管理者可快速识别最具种植价值的地块及其投入产出比，为人力、物力与资金的科学调配提供决策依据。
该成果不仅为北方干旱半干旱流域提供了可复制、高性价比的量化工具，其技术框架还具备向内蒙古-宁夏生态过渡带、河西走廊-塔里木盆地绿洲边缘等典型干旱区推广的潜力，同时为全球其他干旱半干旱地区的生态修复与农业可持续发展提供了重要参考。
