中国科学院空天信息创新研究院的研究团队在干旱半干旱流域饲草种植潜力评估领域取得突破性进展。据国际权威期刊《水研究》报道，该团队研发的人工智能与遥感融合技术，成功实现了我国北方干旱半干旱地区公里级最优饲草带的精准识别，为黄河流域生态保护和农业可持续发展提供了关键技术支撑。
研究团队创新性地构建了多层级数据融合技术框架，通过整合卫星遥感观测、生态水文模型模拟及地面实测数据，显著减少了对传统高密度地面采样的依赖。基于多源卫星数据，结合水量平衡原理和作物生长模型，团队生成了高质量训练样本，并运用集成学习、迁移学习等机器学习算法，实现了灌溉用水量、植被净初级生产力及土壤有机碳等关键要素的空间分布反演，精度超过90%。通过引入分布对齐和分位映射技术，区域偏差消除率达43%，最优饲草带定位准确度提升至85%以上。
与传统评估方法不同，该研究将饲草种植决策转化为"水资源消耗-土壤固碳效益-饲草产能"三维协同优化的空间问题。通过构建量化评估模型，将生态效益、经济效益与用水成本进行统一度量，并生成可视化决策图谱。管理者可直观获取各区域饲草种植的优先级排序及投入产出比，为科学配置农业资源提供依据。
这项技术成果为我国北方干旱半干旱地区的生态修复和水资源高效利用提供了可复制的量化工具。研究显示，该技术框架不仅适用于黄河中游典型区域，还可推广至内蒙古-宁夏生态过渡带、河西走廊-塔里木盆地绿洲边缘等干旱区，对全球同类气候区域的农业可持续发展具有借鉴意义。通过优化饲草种植布局，有望实现生态系统功能恢复与农业高质量发展的双重目标。
