基于气候的旱地自我维持复绿机会预筛选：以沙特阿拉伯为例
机器学习
2026-05-07 v1
摘要
旱地大规模恢复被广泛推广以解决土地退化和生物多样性丧失问题，但许多努力依赖于长期灌溉，限制了在水资源稀缺地区的可持续性。一个关键挑战是确定原生植被可以在无需密集管理的情况下持续存在的位置，同时最小化昂贵的实地活动。本文提出了一个可扩展的预筛选框架，该框架整合气候和遥感数据，以沙特阿拉伯为案例研究，在干旱环境中实现具有成本效益的选址。气候适宜性得分（CSS）源自在专家策划的参考点上训练的机器学习模型，捕获了植被持续存在的复杂气候依赖性。使用沙特阿拉伯的多年ERA5-Land数据，生成了国家级预测图，并结合植被指数，以识别气候有利但植被仍然发育不足的区域。多标准筛选将候选区域减少到13个优先位置。气候类似的完整生态系统为恢复目标提供了基准，并表明植被覆盖率平均增加2.5倍是恢复工作的现实目标。总体而言，该方法缩小了搜索空间，降低了成本，并支持水资源受限地区的弹性生态系统恢复规划。
引用
@article{arxiv.2605.04206,
title = {Climate-based Pre-screening of Self-sustaining Regreening Opportunities in Drylands: A Case Study for Saudi Arabia},
author = {Katja Froehlich and Jonathan Klein and Ibrahim S. Elbasyoni and Julian D. Hunt and Yoshihide Wada and Dominik L. Michels},
journal= {arXiv preprint arXiv:2605.04206},
year = {2026}
}