综述：了解干旱土：在半干旱和干旱地区实现可持续饲料生产的当前方法和技术应用 Paula Alejandra Gómez-Palomo, Daniela Monserrat Sánchez-Pérez, Erika Flores-Loyola, José Juan Torres-Martínez, Javier Ulises Hernández-Beltrán, Jorge Alejandro Aguirre-Joya, Nathiely Ramírez-Guzmán, David Francisco Lafuente-Rincón

《Soil Systems》：Understanding Aridisols: Current Approaches and Technological Applications for Sustainable Forage Production in Semi-Arid and Arid Regions Paula Alejandra Gómez-Palomo, Daniela Monserrat Sánchez-Pérez, Erika Flores-Loyola, José Juan Torres-Martínez, Javier Ulises Hernández-Beltrán, Jorge Alejandro Aguirre-Joya, Nathiely Ramírez-Guzmán and David Francisco Lafuente-Rincón

　　

摘要

土壤-饲料-牲畜系统（SFL系统）的整合对于干旱地区的可持续土地管理至关重要，因为在这些地区，传统的农作物生产往往不可行。干旱土壤主导着旱地农业生态系统，其土壤限制以及气候条件共同构成了全球关键干旱地区肥力和生产力的主要瓶颈。这篇综述提供了一个分类学和土壤学框架，以指导可持续的SFL系统，并整合了当前在干旱环境中进行饲料生产的方法和技术应用，重点介绍了一种结合有机和无机土壤改良剂与基于人工智能的决策支持的土壤改良方案，以提高干旱土壤的生产力和恢复力。通过对文献（ScienceDirect、EBSCOhost、Clarivate Web of Science；英文，2021–2025年）的检索，共筛选出309条记录并选择了169篇参考文献；同时参考了一些早期的经典研究以提供背景信息。从综述文献中获得的代表性定量结果表明：经过多年有机改良后，土壤有机质含量增加了约15–30%；通过纠正土壤盐碱化问题，饲料生物量增加了约10–25%；使用水凝胶或生物炭后，水分生产力提高了约30%。人工智能工具可以改善土壤诊断和改良剂选择（近期研究的诊断准确性提高了约15–30%），并生成改良剂响应的预测模型，从而有助于优化施用率和水分利用。这篇综述的新贡献在于明确将SFL系统与基于改良剂的土壤修复联系起来，并结合人工智能驱动的诊断和决策支持，提供了可操作的指标和研究重点，将数字诊断结果转化为干旱和半干旱地区可测量的饲料产量增长。总体而言，证据表明，通过基于人工智能的支持系统加强的针对性土壤修复是一种可行的策略，可以增加干旱地区的饲料供应和生态系统服务。