CN110197304A - 作物灌溉面积预测方法及装置 - Google Patents

作物灌溉面积预测方法及装置 Download PDF

Info

Publication number
CN110197304A
CN110197304A CN201910470230.7A CN201910470230A CN110197304A CN 110197304 A CN110197304 A CN 110197304A CN 201910470230 A CN201910470230 A CN 201910470230A CN 110197304 A CN110197304 A CN 110197304A
Authority
CN
China
Prior art keywords
section
area
crop
irrigated
submodel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910470230.7A
Other languages
English (en)
Other versions
CN110197304B (zh
Inventor
谭倩
王淑萍
张田媛
张珊
蔡宴朋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201910470230.7A priority Critical patent/CN110197304B/zh
Publication of CN110197304A publication Critical patent/CN110197304A/zh
Application granted granted Critical
Publication of CN110197304B publication Critical patent/CN110197304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Agronomy & Crop Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明实施例提供一种作物灌溉面积预测方法及装置。其中，方法包括：获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间，输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间。本发明实施例提供的作物灌溉面积预测方法及装置，能在仅可以确定参数的范围而不能确定具体值的情况下，获得各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果。

Description

作物灌溉面积预测方法及装置
技术领域
本发明涉及农业技术领域，更具体地，涉及一种作物灌溉面积预测方法及装置。
背景技术
制定科学的农业水管理策略对农业可持续发展至关重要。一方面，合理的农业水管理策略有望抑制农业水资源的浪费、提高农业用水效率、挖掘节水潜力，进而缓解农业用水紧张的问题；另一方面，农业水管理策略的制定与农户收入、农业生产、能源消耗和粮食安全等其他经济、社会与环境要素密切相关。为了制定更科学的农业水管理策略，需要在实施农业水管理策略之前，对不同的水资源管理策略产生的效应进行预测，即确定不同政策下，每一地区每一水源每一灌溉方式每一种作物对应的灌溉面积，进而得到农户收入、总灌溉水量、化肥施用量、劳动力等其他效应指标值，以评价农业水管理策略产生的效应。
现有的农业水管理政策效应模拟预测方法主要包括基于需水函数、一般可计算均衡模型、数学规划模型和实证数学规划模型的方法。基于需水函数的方法，需要大量的数据且难以用于未实施的农业水管理策略。基于一般可计算均衡模型的方法，对样本数量的要求极高且参数难以准确确定。基于数学规划模型的方法，添加了强制性约束来限定模型输出结果在合理范围内，降低了模型的灵活性。基于实证数学规划模型的方法对样本数量要求低，能够根据历史数据对模型进行校准，可在无强制性约束的情况下用于未实施的农业水管理策略。
然而，农业生产系统包含资源、技术、经济和社会等诸多互相关联的子系统，涉及自然、人为等多种不确定因素，很多参数往往只能确定区间范围而无法确定具体数值，而现有基于实证数学规划模型的方法，只能适用于参数的具体数值确定的情况。因此，在参数的具体数值不确定的情况下，预测不同农业水管理策略的作物灌溉面积，进而评价农业水管理策略产生的效应是亟待解决的问题。
发明内容
本发明实施例提供一种作物灌溉面积预测方法及装置，用以解决或者至少部分地解决现有的基于实证数学规划模型的作物灌溉面积预测方法的部分缺陷，即无法在仅可以确定参数的范围而不能确定具体值的情况下，预测各种作物的灌溉面积。
第一方面，本发明实施例提供一种作物灌溉面积预测方法，包括：
获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；
将所述目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取所述目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；
其中，所述上限子模型和下限子模型，是根据所述目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；所述灌溉面积决策模型以最大化所述目标区域的种植收入为目标、以所述目标区域的资源为资源约束、以所述目标区域的历史实际种植面积为校准约束构建而成。
优选地，所述上限子模型为
CWs,c,i,k -＝WPs,c,i,kXs,c,i,k +CRc,i,k -+BkX2,c,i,k +
αs,c,i,k *＝CPs,c.i,k --λs，c.i，k *
其中，Z+表示所述目标区域的种植收入区间的上边界；s表示灌溉水源的种类；c表示作物的种类；i表示灌溉方式的种类；k表示子区域的编号；PRc +表示作物c的单位价格区间的上边界；YIs，c，i，k +、YIs，c，i，k -分别表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积产量区间的上边界和下边界；Subs+表示种植补贴区间的上边界；Xs，c，i，k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；CWs，c，i，k -表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的下边界；WPs，c，i，k表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水价；CRc，i，k -表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的下边界；Bk表示子区域k内单位面积需缴纳的基本水价；X2，c，i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的上边界；LMINk -表示子区域k内保留种植的最小种植面积区间的下边界；LMAXk +表示子区域k内可用种植面积区间的上边界；X1，c，i，k +表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；θ+表示地表水总可用量中可用于农业灌溉的比例区间的上边界；SW+表示地表水总可用水量区间的上边界；X2，c，i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；μ+表示地下水总可用量中可用于农业灌溉的比例区间的上边界；GW+表示地下水总可用水量区间的上边界；GE-表示抽取地下水灌溉的单位耗电量区间的下边界；Xs，c，2，k +表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的上边界；CRc，2，k -表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的下边界；DE-表示滴灌方式灌溉的单位耗电量区间的下边界；EN+表示灌溉的最大可利用电量区间的上边界；Dc -表示目标区域对作物c的人均需求区间的下边界；TP+、TP-分别表示目标区域总人口区间的上边界和下边界；MAL-表示目标区域人均最小耕地面积区间的下边界；CPs，c.i，k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的下边界；λs，c.i，k *表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的上边界，即灌溉面积决策模型校准约束对应的上限对偶值。
优选地，所述下限子模型为
CWs,c,i,k +＝WPs,c,i,kXs,c,i,k -CRc,i,k ++BkX2,c,i,k -
αs,c,i,k 0＝CPs,c.i,k +-λs,c.i,k 0
其中，Z-表示所述目标区域的种植收入区间的下边界；PRc -表示作物c的单位价格区间的下边界；Subs-表示种植补贴区间的下边界；Xs,c,i,k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；CWs,c,i,k +表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的上边界；CRc,i,k +表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的上边界；X2,c,i,k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的下边界；LMINk +表示子区域k内保留种植的最小种植面积区间的上边界；LMAXk -表示子区域k内可用种植面积区间的下边界；X1,c,i,k -表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；θ-表示地表水总可用量中可用于农业灌溉的比例区间的下边界；SW-表示地表水总可用水量区间的下边界；X2,c,i,k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；μ-表示地下水总可用量中可用于农业灌溉的比例区间的下边界；GW-表示地下水总可用水量区间的下边界；GE+表示抽取地下水灌溉的单位耗电量区间的上边界；Xs,c,2,k -表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的下边界；CRc,2,k +表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的上边界；DE+表示滴灌方式灌溉的单位耗电量区间的上边界；EN-表示灌溉的最大可利用电量区间的下边界；Dc +表示目标区域对作物c的人均需求区间的上边界；MAL+表示目标区域人均最小耕地面积区间的上边界；CPs,c.i,k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的上边界；λs,c.i,k 0表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的下边界，即灌溉面积决策模型校准约束对应的下限对偶值。
优选地，获取所述上限子模型和下限子模型的具体步骤包括：
将所述灌溉面积决策模型拆分为线性上限子模型和线性下限子模型；
根据所述目标区域的历史数据和所述线性上限子模型，获取所述上限子模型中的成本函数，去掉所述线性上限子模型中的校准约束，获得所述上限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解；
根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，获取所述下限子模型中的成本函数，去掉所述线性下限子模型中的校准约束，获得所述下限子模型。
优选地，根据所述目标区域的历史数据和所述线性上限子模型，获取所述上限子模型中的成本函数的具体步骤包括：
根据所述目标区域的历史数据和所述线性上限子模型，确定所述线性上限子模型中校准约束对应的上限对偶值；
根据所述上限对偶值，确定所述上限子模型中的成本函数中的系数，获得所述上限子模型中的成本函数。
优选地，根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，获取所述下限子模型中的成本函数的具体步骤包括：
根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，确定所述线性下限子模型中校准约束对应的下限对偶值；
根据所述下限对偶值，确定所述下限子模型中的成本函数中的系数，获得所述下限子模型中的成本函数。
第二方面，本发明实施例提供一种作物灌溉面积预测装置，包括：
数据获取模块，用于获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；
面积预测模块，用于将所述目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取所述目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；
其中，所述上限子模型和下限子模型，是根据所述目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；所述灌溉面积决策模型以最大化所述目标区域的种植收入为目标、以所述目标区域的资源为资源约束、以所述目标区域的历史实际种植面积为校准约束构建而成。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，执行所述程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的作物灌溉面积预测方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的作物灌溉面积预测方法的步骤。
本发明实施例提供的作物灌溉面积预测方法及装置，通过将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间，输入根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的上限子模型和下限子模型，预测目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积，能在仅可以确定参数的范围而不能确定具体值的情况下，获得各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的依存结果，从而能预测农户为了获取最大收入会以何种水源、何种灌溉方式对每种作物进行多大的面积的灌溉。同时，也能进一步计算得到农户收入、总灌溉水量、化肥施用量、劳动力等其他效应指标值，以更准确地评价农业水管理策略产生的效应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的作物灌溉面积预测方法的流程示意图；
图2为根据本发明实施例提供的作物灌溉面积预测装置的结构示意图；
图3为根据本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了克服现有技术的上述问题，本发明实施例提供一种作物灌溉面积预测方法及装置，其发明构思是，根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准，获得上限子模型和下限子模型，通过联合求解上限子模型和下限子模型，预测不同水资源管理策略下，每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间。
图1为根据本发明实施例提供的作物灌溉面积预测方法的流程示意图。如图1所示，该方法包括：步骤S101、获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间。
具体地，目标区域包括多个子区域，子区域可以称为灌区。目标区域内种植有多种作物，每一子区域内可以种植上述多种作物中的一种或多种。目标区域由多种灌溉水源(可简称为水源)对作物进行灌溉，上述多种灌溉水源至少包括地表水和地下水，还可以包括再生水、淡化后的水资源等其它非常规水源，本发明实施例对地表水和地下水之外的灌溉水源不作具体限制。对于每一子区域，可以采用上述多种灌溉水源中的至少一种进行灌溉。目标区域以多种灌溉方式对作物进行灌溉，上述多种灌溉方式至少包括滴灌方式和传统灌溉方式。
农业水管理策略包括水价策略和水源限制策略。
水价策略，指目标区域的水价。目标区域的水价，可以实施无差别水价，也可以实施差别水价。无差别水价，指考虑子区域、灌溉水源、灌溉方式和作物的区别，均设置相同的水价；差别水价，指不同子区域、不同灌溉水源、不同灌溉方式或不同作物，设置不同的水价。例如：根据原始水价，对于传统灌溉方式的粮食作物，地表水价格上涨a％，地下水价格上涨b％，对于滴灌灌溉的经济作物，地表水价格优惠a％，地下水价格优惠b％，在其他情况下水价保持不变。水价的单位可以为元/m3。
水源限制策略，至少可以包括地下水开采限制策略和地表水分配策略，还可以包括对其他灌溉水源的限制策略。
地下水开采限制策略，指是否对地下水开采进行限制及进行限制的程度，从而控制地下水总可用水量。例如，可以限制为在当前地下水开采量的基础上减少10％。
地表水分配策略，指是否对用于灌溉的地表水进行限制及进行限制的程度，从而控制地表水总可用水量。
可以用s表示灌溉水源的种类(s＝1表示地表水，s＝2表示地下水)；c表示作物的种类；i表示灌溉方式的种类(i＝1表示传统灌溉方式，i＝2表示滴灌方式)；k表示子区域的编号。
种植补贴区间，指种植可以获得的各类补贴的范围，单位为元。
需要说明的是，上角标+表示区间的上边界或范围的上限；上角标-表示区间的下边界或范围的下限；上角标±表示区间。
可以理解的是，对于同一种作物，子区域、灌溉水源或灌溉方式不同，都会对该作物的单位面积产量产生影响。因此，子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积产量区间，可表示为YIs,c,i,k ±，单位面积产量的单位可以为千克每万平方米(kg/hm2)。
根据可以根据子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史单位面积产量区间进行预测，获取YIs,c,i,k ±。
作物c的单位价格区间PRc ±，可以根据作物c历史的单位价格区间进行预测获取。
可以针对不同子区域、不同作物和不同灌溉方式，设置灌溉的单位面积用水量区间。
目标区域的资源至少包括水资源，水资源至少包括地下水资源和地表水资源。除了水资源之外，目标区域的资源还可以包括耕地资源、电力资源和作物资源中的至少一种。所获取的目标区域的各资源可用量区间与灌溉面积决策模型的约束有关。
步骤S102、将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果。
其中，上限子模型和下限子模型，是根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
具体地，灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
灌溉面积决策模型的目标函数为
CWs,c,i,k ±＝WPs,c,i,kXs,c,i,k ±CRc,i,k ±+BkX2,c,i,k ±
其中，Z±表示目标区域的种植收入区间；PRc ±表示作物c的单位价格区间；YIs,c,i,k ±子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积产量区间；Subs±表示种植补贴区间；CPs,c,i,k ±表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间；CWs,c,i,k ±表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间；Xs,c,i,k ±表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间；WPs,c,i,k表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水价；CRc,i,k ±表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间；Bk表示子区域k内单位面积需缴纳的基本水价；X2,c,i,k ±表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间。
WPs,c,i,k为计量水价，计量水价是按用的水量来计价的；Bk为基本水价，为基本水价是按面积来计价的。
需要说明的是，本发明实施例中采用对不同子区域实施不同的基本水价的水价策略，但可以对针对基本水价的水价策略进行进一步细化，例如基本水价还可以不同水源、不同灌溉方式、不同地区或不同作物而不同，子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的基本水价可以表示为Bs,c,i,k。
灌溉面积决策模型的校准约束，指子区域k内以灌溉方式i灌溉作物c的种植面积小于目标区域的历史数据中的实际观测值。
考虑到作物的生长规律和农业生产的规律，历史数据可以采用当前时刻之前某一段时间(如去年或前三年平均)的数据。
校准约束可以表示为
其中，表示历史数据中子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间(即实际观测值)，单位可以为hm2；ε±表示扰动项，为一个很小的正数向量，是校准约束的公式中右边加的扰动项，作用是为了保证校准约束对应的影子价格取正。
若目标区域的资源包括水资源、耕地资源、电力资源和作物资源，则灌溉面积决策模型的约束可以包括最大最小总灌溉面积约束、地表水可用水量约束、地下水可用水量约束、可用电量约束、作物需求约束、人均最小耕地面积约束和决策变量非负约束等资源约束。
决策变量，指Xs,c,i,k ±，即目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间。
最大最小总种植面积的约束，指种植作物的总面积(即灌溉的总面积)应小于可用耕地的总面积，大于保留种植的最小面积。
最大最小总种植面积的约束可以表示为
其中，LMINk ±、LMAXk ±分别表示子区域k内保留种植的最小种植面积区间和可用种植面积区间。最小种植面积区间，指最小种植面积的取值范围。
地表水可用水量约束，指用于各作物灌溉的地表水之和，不高于分配给农业灌溉的地表水可用总量。
地表水可用水量约束可以表示为
其中，X1,c,i,k ±表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间；θ±表示地表水总可用量中可用于农业灌溉的比例区间；SW±表示地表水总可用水量区间。
地下水可用水量约束，指用于各作物灌溉的地下水之和，不高于分配给农业灌溉的地下水可用总量。
地下水可用水量约束可以表示为
其中，X2,c,i,k ±表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间；μ±表示地表水总可用量中可用于农业灌溉的比例区间；GW±表示地表水总可用水量区间。
可用电量约束，指抽取地下水和滴灌方式的用电总量，不高于分配给农业灌溉的最大可用电量。
可用电量约束可以表示为
其中，GE±表示抽取地下水灌溉的单位耗电量区间，单位可以为kw·h/m3；Xs,c,2,k ±表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间；CRc,2,k ±表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间；DE±表示滴灌方式灌溉的单位耗电量区间，单位可以为kw·h/m3；EN±表示灌溉的最大可利用电量区间，单位可以为kw·h。最大可利用电量区间，指最大可利用电量的取值范围。
粮食需求约束，指为确保目标区域各种作物的自给自足的约束。粮食需求约束根据总人口和人均作物需求确定。
粮食需求约束可以表示为
其中，Dc ±表示目标区域对作物c的人均需求区间；TP±表示目标区域总人口区间。
农民保护约束，指为了维持人口和农民的收入的约束。
农民保护约束可以表示为
其中，MAL±表示目标区域人均最小耕地面积区间，单位可以为hm2。
可以理解的是，将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，根据目标区域的历史数据，对上述灌溉面积决策模型进行拆分和校准，可以获得上限子模型和下限子模型。
将目标区域的水价(包括WPs,c,i,k和Bk)、种植补贴区间Subs±、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间YIs,c,i,k ±、每一种作物的单位价格区间PRc ±、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间CRc,i,k ±和各资源可用量区间输入至上限子模型和下限子模型，对上限子模型和下限子模型进行联合求解，可以获得目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果Xs,c,i,k ±。
通过上述步骤，可以对于灌溉面积决策模型中的任一参数，仅可以确定该参数的范围而不能确定具体值的情况下，获得各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间。上述参数至少包括：目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间、地下水可用总量区间和地表水可用总量区间。
需要说明的是，通过步骤S102获取各灌溉面积区间之后，还可以获取单方水效益、灌溉用水量、作物种植面积、节水灌溉比例、劳动力、化肥使用量、粮食作物经济作物比例等指标的区间值，用于评价农业水管理策略产生的效应。
本发明实施例通过将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间，输入根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的上限子模型和下限子模型，预测目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积，能在仅可以确定参数的范围而不能确定具体值的情况下，获得各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果，从而能预测农户为了获取最大收入会以何种水源、何种灌溉方式对每种作物进行多大的面积的灌溉。同时，也能进一步计算得到农户收入、总灌溉水量、化肥施用量、劳动力等其他效应指标值，以更准确地评价农业水管理策略产生的效应。
基于上述各实施例的内容，上限子模型为
CWs,c,i,k -＝WPs,c,i,kXs,c,i,k +CRc,i,k -+BkX2,c,i,k +
αs,c,i,k *＝CPs,c.i,k --λs,c.i,k *
其中，Z+表示目标区域的种植收入区间的上边界；s表示灌溉水源的种类；c表示作物的种类；i表示灌溉方式的种类；k表示子区域的编号；PRc +表示作物c的单位价格区间的上边界；YIs,c，i，k +、YIs，c，i，k -分别表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积产量区间的上边界和下边界；Subs+表示种植补贴区间的上边界；Xs，c，i，k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；CWs，c，i，k -表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的下边界；WPs，c，i，k表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水价；CRc，i，k -表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的下边界；Bk表示子区域k内单位面积需缴纳的基本水价；X2，c，i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的上边界；LMINk -表示子区域k内保留种植的最小种植面积区间的下边界；LMAXk +表示子区域k内可用种植面积区间的上边界；X1，c，i，k +表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；θ+表示地表水总可用量中可用于农业灌溉的比例区间的上边界；SW+表示地表水总可用水量区间的上边界；X2，c，i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；μ+表示地下水总可用量中可用于农业灌溉的比例区间的上边界；GW+表示地下水总可用水量区间的上边界；GE-表示抽取地下水灌溉的单位耗电量区间的下边界；Xs，c，2，k +表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的上边界；CRc，2，k -表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的下边界；DE-表示滴灌方式灌溉的单位耗电量区间的下边界；EN+表示灌溉的最大可利用电量区间的上边界；Dc -表示目标区域对作物c的人均需求区间的下边界；TP+、TP-分别表示目标区域总人口区间的上边界和下边界；MAL-表示目标区域人均最小耕地面积区间的下边界；CPs，c.i，k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的下边界；λs,c.i,k *表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的上边界，即灌溉面积决策模型校准约束对应的上限对偶值。
λs,c,i,k *、γs,c,i,k *和αs,c,i,k *均是在根据目标区域的历史数据对灌溉面积决策模型进行校准的过程中获得的。
基于上述各实施例的内容，下限子模型为
CWs,c,i,k +＝WPs,c，i，kXs，c，i，k -CRc，i，k ++BkX2，c，i,k -
αs，c,i,k 0＝CPs,c.i,k +-λs,c.i,k 0
其中，Z-表示目标区域的种植收入区间的下边界；PRc -表示作物c的单位价格区间的下边界；Subs-表示种植补贴区间的下边界；Xs,c，i，k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；CWs，c，i，k +表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的上边界；CRc，i，k +表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的上边界；X2，c，i，k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的下边界；LMINk +表示子区域k内保留种植的最小种植面积区间的上边界；LMAXk -表示子区域k内可用种植面积区间的下边界；X1，c，i，k -表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；θ-表示地表水总可用量中可用于农业灌溉的比例区间的下边界；SW-表示地表水总可用水量区间的下边界；X2，c，i,k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；μ-表示地下水总可用量中可用于农业灌溉的比例区间的下边界；GW-表示地下水总可用水量区间的下边界；GE+表示抽取地下水灌溉的单位耗电量区间的上边界；Xs,c,2,k -表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的下边界；CRc,2,k +表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的上边界；DE+表示滴灌方式灌溉的单位耗电量区间的上边界；EN-表示灌溉的最大可利用电量区间的下边界；Dc +表示目标区域对作物c的人均需求区间的上边界；MAL+表示目标区域人均最小耕地面积区间的上边界；CPs,c.i,k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的上边界；λs,c.i,k 0表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的下边界，即灌溉面积决策模型校准约束对应的下限对偶值。
λs,c.i,k 0、γs,c,i,k 0和αs，c,i,k 0均是在根据目标区域的历史数据对灌溉面积决策模型进行校准的过程中获得的。
基于上述各实施例的内容，获取上限子模型和下限子模型的具体步骤包括：将灌溉面积决策模型拆分为线性上限子模型和线性下限子模型。
由于灌溉面积决策模型中的参数中，部分参数与灌溉面积正相关，部分与灌溉面积负相关，根据灌溉面积决策模型中的参数，将灌溉面积决策模型拆分为线性上限子模型和线性下限子模型。
线性上限子模型，用于预测各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的上边界；线性下限子模型，用于预测各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的下边界。
根据线性上限子模型和线性下限子模型，可以通过后面的步骤确定上限子模型中的成本函数和下限子模型中的成本函数；上限子模型和下限子模型中的成本函数均确定之后，可用于预测各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间。
线性上限子模型中的校准约束为
其中，表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的上边界；ε+表示扰动项的上边界。
线性下限子模型中的校准约束为
其中，表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的下边界；ε-表示扰动项的下边界。
根据目标区域的历史数据和线性上限子模型，获取上限子模型中的成本函数，去掉线性上限子模型中的校准约束，获得上限子模型和上限子模型基于目标区域的历史数据的上限最优解。
具体地，通过区间两步法求解，将灌溉面积决策模型转化为灌溉面积决策模型的目标函数值上下限对应的两个确定性线性子模型：上限子模型和下限子模型。
由于灌溉面积决策模型中，子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间CPs,c,i,k ±不能包含农户知识水平、土壤状况等隐含成本，所以需要通过历史数据进行校准，以获取可反映这些隐含信息的上限子模型中的成本函数。
获取上限子模型中的成本函数之后，将上限子模型中的成本函数代入线性上限子模型中，去掉线性上限子模型中的校准约束，保留线性上限子模型的目标函数和资源约束，从而获得上限子模型，使得根据上限子模型获得的历史数据对应的一段时间内的各灌溉面积区间，与历史数据一致。
根据上限子模型获得的历史数据对应的一段时间内的各灌溉面积为上限子模型基于目标区域的历史数据的上限最优解。上述上限最优解，可以根据任一种最优化方法获取，本发明实施例对此不作具体限制。
根据目标区域的历史数据、线性下限子模型和上限子模型基于目标区域的历史数据的上限最优解，获取下限子模型中的成本函数，去掉线性下限子模型中的校准约束，获得下限子模型。
具体地，下限子模型中的成本函数与上限子模型中的成本函数的形式相同，可以均为一元二次形式，只是成本函数中的二次项系数和线性系数(一次项系数)向量不同。成本函数中的二次项系数为对称半正定矩阵。
将上限子模型基于目标区域的历史数据的上限最优解代入线性下限子模型中，通过历史数据进行校准，以获取下限子模型中的成本函数。
获取下限子模型中的成本函数之后，将下限子模型中的成本函数代入线性下限子模型中，去掉线性下限子模型中的校准约束，保留线性下限子模型的目标函数和资源约束，从而获得下限子模型，使得根据下限子模型获得的历史数据对应的一段时间内的各灌溉面积，与历史数据一致。
本方面实施例通过区间两步法将灌溉面积决策模型转化为上限子模型和下限子模型，从而能根据获取的目标区域的数据，确定每种作物的各灌溉面积区间。
基于上述各实施例的内容，根据目标区域的历史数据和线性上限子模型，获取上限子模型中的成本函数的具体步骤包括：根据目标区域的历史数据和线性上限子模型，确定线性上限子模型中校准约束对应的上限对偶值；根据上限对偶值，确定上限子模型中的成本函数中的系数，获得上限子模型中的成本函数。
具体地，使用一阶库恩塔克条件(Karush-Kuhn-Tucker,KKT)，可得到γs,c,i,k *和αs,c,i,k *的线性关系如下：
αs,c,i,k *+γs,c,i,k *Xs,c,i,k +＝CPs,c.i,k -+λs,c,i,k *
为了根据目标区域的历史数据获取γs,c,i,k *和αs,c,i,k *的值，使得上限子模型中的各单位面积生产成本(不包括灌溉水费)区间，与历史数据中单位面积生产成本的观测值相同，则
αs,c,i,k *+0.5γs,c,i,k *Xs,c,i,k +＝CPs,c.i,k -
从而可以确定线性上限子模型中校准约束对应的上限对偶值λs,c.i,k *，进而根据如下公式确定γs,c,i,k *和αs,c,i,k *的值
确定γs,c,i,k *和αs,c,i，k *的值之后，即可获得上限子模型中的成本函数，并获得上限子模型。
基于上述各实施例的内容，根据目标区域的历史数据、线性下限子模型和上限子模型基于目标区域的历史数据的上限最优解，获取下限子模型中的成本函数的具体步骤包括：根据目标区域的历史数据、线性下限子模型和上限子模型基于目标区域的历史数据的上限最优解，确定线性下限子模型中校准约束对应的下限对偶值；根据下限对偶值，确定下限子模型中的成本函数中的系数，获得下限子模型中的成本函数。
具体地，将上述上限最优解代入下限子模型，根据历史数据可以获取线性下限子模型中校准约束对应的下限对偶值λs，c.i，k 0。由于下限子模型中的成本函数与上限子模型中的成本函数的形式相同，因此可以得到
图2为根据本发明实施例提供的作物灌溉面积预测装置的结构示意图。基于上述各实施例的内容，如图2所示，该装置包括数据获取模块201和面积预测模块202，其中：
数据获取模块201，用于获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；
面积预测模块202，用于将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；
其中，上限子模型和下限子模型，是根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
具体地，数据获取模块201获取目标区域的水价(包括WPs，c，i，k和Bk)、种植补贴区间Subs±、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间YIs,c,i,k ±、每一种作物的单位价格区间PRc ±、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间CRc,i,k ±和各资源可用量区间。
面积预测模块202将目标区域的水价(包括WPs,c,i,k和Bk)、种植补贴区间Subs±、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间YIs,c,i,k ±、每一种作物的单位价格区间PRc ±、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间CRc,i,k ±和各资源可用量区间输入至上限子模型和下限子模型，对上限子模型和下限子模型进行联合求解，可以获得目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果Xs,c,i,k ±。
本发明实施例提供的作物灌溉面积预测装置，用于执行本发明上述各实施例提供的作物灌溉面积预测方法，该作物灌溉面积预测装置包括的各模块实现相应功能的具体方法和流程详见上述作物灌溉面积预测方法的实施例，此处不再赘述。
该作物灌溉面积预测装置用于前述各实施例的作物灌溉面积预测方法。因此，在前述各实施例中的作物灌溉面积预测方法中的描述和定义，可以用于本发明实施例中各执行模块的理解。
本发明实施例通过将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间，输入根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的上限子模型和下限子模型，预测目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积，能在仅可以确定参数的范围而不能确定具体值的情况下，获得各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果，从而能预测农户为了获取最大收入会以何种水源、何种灌溉方式对每种作物进行多大的面积的灌溉。同时，也能进一步计算得到农户收入、总灌溉水量、化肥施用量、劳动力等其他效应指标值，以更准确地评价农业水管理策略产生的效应。
图3为根据本发明实施例提供的电子设备的结构框图。基于上述实施例的内容，如图3所示，该电子设备可以包括：处理器(processor)301、存储器(memory)302和总线303；其中，处理器301和存储器302通过总线303完成相互间的通信；处理器301用于调用存储在存储器302中并可在处理器301上运行的计算机程序指令，以执行上述各方法实施例所提供的作物灌溉面积预测方法，例如包括：获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；其中，上限子模型和下限子模型，是根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
本发明另一实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的作物灌溉面积预测方法，例如包括：获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；其中，上限子模型和下限子模型，是根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
此外，上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明另一实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的作物灌溉面积预测方法，例如包括：获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；将目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；其中，上限子模型和下限子模型，是根据目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；灌溉面积决策模型以最大化目标区域的种植收入为目标、以目标区域的资源为资源约束、以目标区域的历史实际种植面积为校准约束构建而成。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行上述各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种作物灌溉面积预测方法，其特征在于，包括：
获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；
将所述目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取所述目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；
其中，所述上限子模型和下限子模型，是根据所述目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；所述灌溉面积决策模型以最大化所述目标区域的种植收入为目标、以所述目标区域的资源为资源约束、以所述目标区域的历史实际种植面积为校准约束构建而成。
2.根据权利要求1所述的作物灌溉面积预测方法，其特征在于，所述上限子模型为
CWs,c,i，k -＝WPs，c，i,kXs,c,i，k +CRc,i,k -+BkX2,c,i,k +
αs,c,i,k *＝CPs,c.i,k --λs,c.i,k *
其中，Z+表示所述目标区域的种植收入区间的上边界；s表示灌溉水源的种类；c表示作物的种类；i表示灌溉方式的种类；k表示子区域的编号；PRc +表示作物c的单位价格区间的上边界；YIs,c,i,k +、YIs,c,i,k -分别表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积产量区间的上边界和下边界；Subs+表示种植补贴区间的上边界；Xs,c,i,k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；CWs,c,i,k -表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的下边界；WPs,c,i,k表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水价；CRc,i,k -表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的下边界；Bk表示子区域k内单位面积需缴纳的基本水价；X2,c,i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的上边界；LMINk -表示子区域k内保留种植的最小种植面积区间的下边界；LMAXk +表示子区域k内可用种植面积区间的上边界；X1，c，i，k +表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；θ+表示地表水总可用量中可用于农业灌溉的比例区间的上边界；SW+表示地表水总可用水量区间的上边界；X2，c，i，k +表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的上边界；μ+表示地下水总可用量中可用于农业灌溉的比例区间的上边界；GW+表示地下水总可用水量区间的上边界；GE-表示抽取地下水灌溉的单位耗电量区间的下边界；Xs，c，2，k +表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的上边界；CRc，2，k -表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的下边界；DE-表示滴灌方式灌溉的单位耗电量区间的下边界；EN+表示灌溉的最大可利用电量区间的上边界；Dc -表示目标区域对作物c的人均需求区间的下边界；TP+、TP-分别表示目标区域总人口区间的上边界和下边界；MAL-表示目标区域人均最小耕地面积区间的下边界；CPs，c.i，k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的下边界；λs，c.i，k *表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的上边界，即灌溉面积决策模型校准约束对应的上限对偶值。
3.根据权利要求2所述的作物灌溉面积预测方法，其特征在于，所述下限子模型为
CWs，c，i，k +＝WPs，c，i，kXs，c，i，k -CRc，i，k ++BkX2，c，i，k -
αs，c，i，k 0＝CPs，c.i，k +-λs，c.i，k 0
其中，Z-表示所述目标区域的种植收入区间的下边界；PRc -表示作物c的单位价格区间的下边界；Subs-表示种植补贴区间的下边界；Xs，c，i，k -表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；CWs，c，i，k +表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的水费区间的上边界；CRc，i，k +表示子区域k内以第i种灌溉方式灌溉作物c的单位面积用水量区间的上边界；X2，c，i，k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的历史灌溉面积区间的下边界；LMINk +表示子区域k内保留种植的最小种植面积区间的上边界；LMAXk -表示子区域k内可用种植面积区间的下边界；X1，c，i，k -表示子区域k内采用地表水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；θ-表示地表水总可用量中可用于农业灌溉的比例区间的下边界；SW-表示地表水总可用水量区间的下边界；X2,c,i,k -表示子区域k内采用地下水以第i种灌溉方式灌溉作物c的灌溉面积区间的下边界；μ-表示地下水总可用量中可用于农业灌溉的比例区间的下边界；GW-表示地下水总可用水量区间的下边界；GE+表示抽取地下水灌溉的单位耗电量区间的上边界；Xs,c,2,k -表示表示子区域k内采用第s种灌溉水源以滴灌方式灌溉作物c的灌溉面积区间的下边界；CRc,2,k +表示子区域k内以滴灌方式灌溉作物c的单位面积用水量区间的上边界；DE+表示滴灌方式灌溉的单位耗电量区间的上边界；EN-表示灌溉的最大可利用电量区间的下边界；Dc +表示目标区域对作物c的人均需求区间的上边界；MAL+表示目标区域人均最小耕地面积区间的上边界；CPs,c.i,k +表示子区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的单位面积生产成本(不包括灌溉水费)区间的上边界；λs,c.i,k 0表示区域k内采用第s种灌溉水源以第i种灌溉方式灌溉作物c的灌溉面积的影子价格的下边界，即灌溉面积决策模型校准约束对应的下限对偶值。
4.根据权利要求1至3任一所述的作物灌溉面积预测方法，其特征在于，获取所述上限子模型和下限子模型的具体步骤包括：
将所述灌溉面积决策模型拆分为线性上限子模型和线性下限子模型；
根据所述目标区域的历史数据和所述线性上限子模型，获取所述上限子模型中的成本函数，去掉所述线性上限子模型中的校准约束，获得所述上限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解；
根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，获取所述下限子模型中的成本函数，去掉所述线性下限子模型中的校准约束，获得所述下限子模型。
5.根据权利要求4所述的作物灌溉面积预测方法，其特征在于，根据所述目标区域的历史数据和所述线性上限子模型，获取所述上限子模型中的成本函数的具体步骤包括：
根据所述目标区域的历史数据和所述线性上限子模型，确定所述线性上限子模型中校准约束对应的上限对偶值；
根据所述上限对偶值，确定所述上限子模型中的成本函数中的系数，获得所述上限子模型中的成本函数。
6.根据权利要求5所述的作物灌溉面积预测方法，其特征在于，根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，获取所述下限子模型中的成本函数的具体步骤包括：
根据所述目标区域的历史数据、所述线性下限子模型和所述上限子模型基于所述目标区域的历史数据的上限最优解，确定所述线性下限子模型中校准约束对应的下限对偶值；
根据所述下限对偶值，确定所述下限子模型中的成本函数中的系数，获得所述下限子模型中的成本函数。
7.一种作物灌溉面积预测装置，其特征在于，包括：
数据获取模块，用于获取目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间；
面积预测模块，用于将所述目标区域的水价、种植补贴区间、包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的单位面积产量区间、每一种作物的单位价格区间、包括的各子区域内以每一灌溉方式灌溉每一种作物的单位面积用水量区间和各资源可用量区间输入至上限子模型和下限子模型，获取所述目标区域包括的各子区域内采用每一灌溉水源以每一灌溉方式灌溉每一种作物的灌溉面积区间的预测结果；
其中，所述上限子模型和下限子模型，是根据所述目标区域的历史数据对灌溉面积决策模型进行拆分和校准获得的；所述灌溉面积决策模型以最大化所述目标区域的种植收入为目标、以所述目标区域的资源为资源约束、以所述目标区域的历史实际种植面积为校准约束构建而成。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述的作物灌溉面积预测方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的作物灌溉面积预测方法的步骤。
CN201910470230.7A 2019-05-31 2019-05-31 作物灌溉面积预测方法及装置 Active CN110197304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910470230.7A CN110197304B (zh) 2019-05-31 2019-05-31 作物灌溉面积预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910470230.7A CN110197304B (zh) 2019-05-31 2019-05-31 作物灌溉面积预测方法及装置

Publications (2)

Publication Number Publication Date
CN110197304A true CN110197304A (zh) 2019-09-03
CN110197304B CN110197304B (zh) 2021-07-20

Family

ID=67753666

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910470230.7A Active CN110197304B (zh) 2019-05-31 2019-05-31 作物灌溉面积预测方法及装置

Country Status (1)

Country Link
CN (1) CN110197304B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101356882A (zh) * 2008-09-18 2009-02-04 中国农业大学 一种灌区配水方案的确定方法
CN104657591A (zh) * 2015-01-19 2015-05-27 华北电力大学 水资源配置方法和装置
CN104770275A (zh) * 2015-04-14 2015-07-15 天津大学 基于种植结构调整的农业灌溉用水优化配置方法
CN105956718A (zh) * 2016-05-31 2016-09-21 中国农业大学 一种灌区水资源优化配置方法和系统
WO2018038866A1 (en) * 2016-08-24 2018-03-01 The Climate Corporation Optimizing split fertilizer application

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101356882A (zh) * 2008-09-18 2009-02-04 中国农业大学 一种灌区配水方案的确定方法
CN104657591A (zh) * 2015-01-19 2015-05-27 华北电力大学 水资源配置方法和装置
CN104770275A (zh) * 2015-04-14 2015-07-15 天津大学 基于种植结构调整的农业灌溉用水优化配置方法
CN105956718A (zh) * 2016-05-31 2016-09-21 中国农业大学 一种灌区水资源优化配置方法和系统
WO2018038866A1 (en) * 2016-08-24 2018-03-01 The Climate Corporation Optimizing split fertilizer application

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
付强等: "基于区间多阶段随机规划模型的灌区多水源优化配置", 《农业工程学报》 *

Also Published As

Publication number Publication date
CN110197304B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
Xie et al. An inexact stochastic-fuzzy optimization model for agricultural water allocation and land resources utilization management under considering effective rainfall
Sušnik et al. System dynamics modelling to explore the impacts of policies on the water-energy-food-land-climate nexus in Latvia
Li et al. Stochastic multi-objective decision making for sustainable irrigation in a changing environment
Huh et al. Optimal crop choice, irrigation allocation, and the impact of contract farming
Galán-Martín et al. Multi-stage linear programming model for optimizing cropping plan decisions under the new Common Agricultural Policy
Van Delden et al. Integration of multi-scale dynamic spatial models of socio-economic and physical processes for river basin management
Lin et al. Fertigation management for sustainable precision agriculture based on Internet of Things
Frija et al. Irrigation pricing policies and its impact on agricultural inputs demand in Tunisia: A DEA-based methodology
Blancard et al. Energy efficiency measurement in agriculture with imprecise energy content information
Barradas et al. A decision support system-fertigation simulator (DSS-FS) for design and optimization of sprinkler and drip irrigation systems
Mekonnen et al. Drivers of groundwater use and technical efficiency of groundwater, canal water, and conjunctive use in Pakistan's Indus Basin Irrigation System
Ngigi et al. Land use changes and hydrological impacts related to up-scaling of rainwater harvesting and management in upper Ewaso Ng’iro river basin, Kenya
Veettil et al. Estimating the impact of water pricing on water use efficiency in semi-arid cropping system: An application of probabilistically constrained nonparametric efficiency analysis
Maraseni et al. Climate change, water security and the need for integrated policy development: the case of on-farm infrastructure investment in the Australian irrigation sector
Yousefi et al. Multi-objective particle swarm optimization model for conjunctive use of treated wastewater and groundwater
Vilvert et al. Multi-model approach for assessing the sunflower food value chain in Tanzania
Liu et al. A dual-interval fixed-mix stochastic programming method for water resources management under uncertainty
Capitanescu et al. Multi-stage farm management optimization under environmental and crop rotation constraints
Lawes et al. The Land Use Sequence Optimiser (LUSO): a theoretical framework for analysing crop sequences in response to nitrogen, disease and weed populations
Oberkircher et al. Rethinking water management in Khorezm, Uzbekistan: Concepts and recommendations
Haacker et al. Transition pathways to sustainable agricultural water management: a review of integrated modeling approaches
CN109829134A (zh) 长序列农田灌溉定额测算方法
Sheibani et al. Optimum design and operation of a reservoir and irrigation network considering uncertainty of hydrologic, agronomic and economic factors
Siderius et al. Financial feasibility of water conservation in agriculture
Rafiee et al. Optimum multicrop-pattern planning by coupling SWAT and the harmony search algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant