CN110782112B - 一种农作物生产温室气体减排潜力估算方法及系统 - Google Patents
一种农作物生产温室气体减排潜力估算方法及系统 Download PDFInfo
- Publication number
- CN110782112B CN110782112B CN201910477678.1A CN201910477678A CN110782112B CN 110782112 B CN110782112 B CN 110782112B CN 201910477678 A CN201910477678 A CN 201910477678A CN 110782112 B CN110782112 B CN 110782112B
- Authority
- CN
- China
- Prior art keywords
- variable
- county
- relaxation
- material input
- crops
- 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.)
- Expired - Fee Related
Links
- 239000005431 greenhouse gas Substances 0.000 title claims abstract description 106
- 230000009467 reduction Effects 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012272 crop production Methods 0.000 title claims description 27
- 239000000463 material Substances 0.000 claims abstract description 143
- 238000004519 manufacturing process Methods 0.000 claims abstract description 91
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims description 29
- 239000002689 soil Substances 0.000 claims description 29
- 239000000618 nitrogen fertilizer Substances 0.000 claims description 22
- 230000017105 transposition Effects 0.000 claims description 16
- 239000002283 diesel fuel Substances 0.000 claims description 15
- 239000003337 fertilizer Substances 0.000 claims description 13
- 239000000575 pesticide Substances 0.000 claims description 10
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 claims description 8
- 229940072033 potash Drugs 0.000 claims description 8
- BWHMMNNQKKPAPP-UHFFFAOYSA-L potassium carbonate Substances [K+].[K+].[O-]C([O-])=O BWHMMNNQKKPAPP-UHFFFAOYSA-L 0.000 claims description 8
- 235000015320 potassium carbonate Nutrition 0.000 claims description 8
- 238000010792 warming Methods 0.000 claims description 7
- -1 electric power Substances 0.000 claims description 6
- 239000002686 phosphate fertilizer Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000012271 agricultural production Methods 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 239000010452 phosphate Substances 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004016 soil organic matter Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 240000006413 Prunus persica var. persica Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 208000019849 gnathodiaphyseal dysplasia Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种农作物生产温室气体减排潜力估算方法及系统,方法包括:获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。本发明公开的农作物生产温室气体减排潜力估算方法及系统,能够更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。
Description
技术领域
本发明涉及温室气体减排领域,特别是涉及一种农作物生产温室气体减排潜力估算方法及系统。
背景技术
当前的温室气体减排潜力估算方法,多数聚焦于某一种措施,如提高氮肥利用率,但是这些措施的改变并不能适用于所有的地区,每个地区的氮肥施用量和产量都不是一致的,其利用率也不一致。此外,仅关注于某一两种物资投入效率的提高来估算温室气体减排潜力,缺乏完整性,因为农作物的物资投入类型较多,如磷肥、钾肥、柴油、电力、农药、农膜、种子等,其物资的投入和利用率在各个地区也都不相一致,因此需要对各个地区的生产效率进行综合评价,并获取各地区每种物资的过多投入量来全面估算温室气体减排潜力。
农业生产是一个复杂的系统,既要受到氮肥、农药等物资投入的影响,也受到降雨、土壤肥力等环境投入的影响。多数学者在采用数据包络分析方法研究多个评价单元(即评价对象,指的是种植某一种农作物的各个县域)的农业生产效率时,往往照搬工业的生产效率评价方法,忽略了农业生产中的环境投入,无法客观地评价农作物生产效率,因此也无法更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。
发明内容
本发明的目的是提供一种农作物生产温室气体减排潜力估算方法及系统,能够更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。
为实现上述目的,本发明提供了如下方案:
一种农作物生产温室气体减排潜力估算方法,包括:
获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;
设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;
根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;
根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。
可选的,所述环境投入变量包括累积降雨量、有效积温、土壤有机质和pH数值;
其中,所述获取各县域某种农作物的环境投入变量,具体包括:
获取设定范围内气象站点的纬度、经度、日降雨量、日最高温和日最低温数据,按照所述经度和纬度数据对气象站点的日降雨量、日最高温和日最低温在全国范围进行克里格空间插值,然后按照所述农作物的种植区域提取出各县域在所述农作物的种植布局面上的日降雨量、日最高温和日最低温的每日平均值,计算得到各县域所述农作物生长期内的累积降雨量和有效积温;
获取土壤数据集中表层土壤0-30cm的土壤有机质和pH数值,并从所述表层土壤0-30cm的土壤有机质和pH数值中提取出各县域所述农作物种植区域的土壤有机质和pH数值。
可选的,所述累积降雨量计算公式为:
其中,P为所述农作物生长期的累积降雨量,m为所述农作物生长期总日数,Pi为所述农作物在生长期内的日降雨量;
所述有效积温计算公式为:
其中,GDDS为该作物生长期的有效积温,m为所述农作物生长期总日数,Ti,max为所述农作物在生长期内的日最高温,Ti,min为所述农作物在生长期内的日最低温,Tbase为所述农作物发育基点温度。
可选的,所述获取各县域某种农作物的物资投入变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物种植的氮肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量以及各县域所述农作物的总种植面积。
可选的,所述获取各县域某种农作物的产出变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物的每亩产量数据。
可选的,所述设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量,其中n≥2(o+p+1);xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;λj为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,ρ为待评价县域“0”的农作物生产效率评价函数,0<ρ≤1。
可选的,所述根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量;xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;∧j为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,γ为待评价县域“0”的农作物生产效率评价函数;
对所述线性规划函数进行求解,得到所述线性规划函数的最优解为γ*,其中,γ*为生产效率评价函数的最优解,为第t个物资投入变量对应的松弛变量的最优解,为产出变量对应的松弛变量的最优解,为第j个县域对应的权重的最优解,为标量的最优解;
根据所述线性规划函数的最优解得到所述生产效率评价函数的最优解为:
可选的,所述根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力,具体包括:
其中,GHGp为所述农作物种植的全国温室气体减排潜力,n为种植所述农作物的县域的总数,SAj为第j个县域所述农作物的种植面积,p为物资投入变量的总个数,为第j个县域所述农作物种植第t个物资投入变量对应的松弛变量,EFt为第t个物资投入变量对应的生产前温室气体排放因子,为第j个县域所述农作物种植柴油投入变量对应的松弛变量,EFd为柴油对应的生产中排放因子,为第j个县域所述农作物种植氮肥投入变量对应的松弛变量,EFI和EFD分别为氮肥对应的生产中间接和直接N2O排放因子,为第j个县域所述农作物产量对应的松弛变量,EDj为所述农作物单位产量下的温室气体排放量,298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
可选的,所述农作物单位产量下的温室气体排放量EDj的计算公式为:
其中,Y为所述农作物的每亩产量,n为所述农作物种植中间投入品的总个数,Ui为所述农作物种植第i个中间投入品的每亩用量,EFi分别为Ui对应的生产前排放因子,Ud为所述农作物种植柴油的每亩用量,EFd为柴油对应的生产中排放因子,UN为所述农作物种植氮肥的每亩用量,EFI和EFD分别为生产中氮肥对应的间接和直接N2O排放因子,298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
一种农作物生产温室气体减排潜力估算系统,包括:
变量获取单元,用于获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;
建立单元,用于设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;
松弛变量计算单元,用于根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;
温室气体减排潜力计算单元,用于根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明公开的农作物生产温室气体减排潜力估算方法,包括:获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。该方法可全面估算氮肥、磷肥、钾肥、柴油、电力、农药、农膜、种子对温室气体减排潜力的影响,并且将环境投入作为农业生产效率评价时的投入因素,但由于环境投入不以人的意志为转移,因此在生产效率评价时,通过设定环境投入不存在松弛变量对农业生产效率评价模型进行了改进,能够客观地评价各县域所述农作物的生产效率,更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。
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,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明农作物生产温室气体减排潜力估算方法实施例的流程图;
图2为本发明农作物生产温室气体减排潜力估算系统实施例的结构图。
具体实施方式
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,所描述的实施例仅仅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。
本发明的目的是提供一种农作物生产温室气体减排潜力估算方法及系统,能够更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明做进一步详细的说明。
图1为本发明农作物生产温室气体减排潜力估算方法实施例的流程图。参见图1,该农作物生产温室气体减排潜力估算方法,包括:
步骤101:获取各县域某种农作物的环境投入变量、物资投入变量和产出变量。
所述环境投入变量包括累积降雨量、有效积温、土壤有机质和pH数值;
其中,所述获取各县域某种农作物的环境投入变量,具体包括:
获取设定范围内气象站点的纬度、经度、日降雨量、日最高温和日最低温数据(以中国为例,从国家气象信息中心获取全国气象站点的纬度、经度、日降雨量、日最高温和日最低温数据),利用ArcGIS软件按照所述经度和纬度数据对气象站点的日降雨量、日最高温和日最低温在全国范围进行克里格空间插值,然后按照所述农作物的种植区域提取出各县域在所述农作物的种植布局面上的日降雨量、日最高温和日最低温的每日平均值(利用ArcGIS软件实现),计算得到各县域所述农作物生长期内的累积降雨量和有效积温(GDDs);
其中,所述累积降雨量计算公式为:
其中,P为所述农作物生长期的累积降雨量,m为所述农作物生长期总日数,Pi为所述农作物在生长期内的日降雨量;
所述有效积温计算公式为:
其中,GDDS为该作物生长期的有效积温,m为所述农作物生长期总日数,Ti,max为所述农作物在生长期内的日最高温,Ti,min为所述农作物在生长期内的日最低温,Tbase为所述农作物发育基点温度。
获取土壤数据集中表层土壤0-30cm的土壤有机质和pH数值(以中国为例,从中国土壤数据集(v1.1)(http://westdc.westgis.ac.cn)中获取表层土壤0-30cm的土壤有机质和pH数值),并利用ArcGIS软件从所述表层土壤0-30cm的土壤有机质和pH数值中提取出各县域所述农作物种植区域的土壤有机质和pH数值(土壤有机质和pH数值只有一套,不区分哪一年份,因为土壤有机质和pH在不同年份间变化较小,且不易大范围获取)。
所述获取各县域某种农作物的物资投入变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物种植的氮肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量以及各县域所述农作物的种植亩数(可以选择任何年份的统计年鉴,也可以选择5年做平均值,相比单一年份,5年平均来估算温室气体减排潜力更为合理。若取5年做平均值,那么累积降雨量和有效积温也需要对应计算5年平均值,但是土壤有机质和pH数值不用求平均值)。
所述获取各县域某种农作物的产出变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物的每亩产量数据(可以选择任何年份的统计年鉴,也可以选择5年做平均值,相比单一年份,5年平均来估算温室气体减排潜力更为合理。若取5年做平均值,那么累积降雨量和有效积温也需要对应计算5年平均值,但是土壤有机质和pH数值不用求平均值)。
步骤102:设置所述环境投入变量的松弛变量为0(考虑农业生产的环境投入变量,并优化了环境投入变量的松弛变量为0,因为其不能人为改变),建立种植所述农作物的各县域的生产效率评价函数(种植所述农作物的各个县域为各个待评价的决策单元,决策单元(decision making unit,DMU)的生产效率评价函数是(DEA模型数据包络分析模型)中的一个)。
该步骤102具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量(来自作物产量);xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组(环境投入变量组包括累积降雨量、有效积温、土壤有机质和pH数值),T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组(物资投入变量组包括肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量),T表示转置;Zj表示第j个县域的产出变量,Zj>0;λj为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,ρ为生产效率评价函数且相对于两个松弛变量和严格递减,ρ值随着两个松弛变量和的变大而逐渐变小,0<ρ≤1。s.t.表示受约束于。
步骤103:根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量。
该步骤103具体包括:
通过标量(一个待测的常数值)将所述生产效率评价函数转换为线性规划函数(与所述生产效率评价函数里的数值相乘,乘以标量只是为了转换成线性规划的公式类型,只有转换成该类型的公式,才能利用计算机固定的程序去求解),所述线性规划函数为:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量;xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj>0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;∧j为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,γ为生产效率评价函数;
对所述线性规划函数进行求解,得到所述线性规划函数的最优解为γ*,其中,γ*为生产效率评价函数的最优解,为第t个物资投入变量对应的松弛变量的最优解,为产出变量对应的松弛变量的最优解,为第j个县域对应的权重的最优解,为标量的最优解;
根据所述线性规划函数的最优解得到所述生产效率评价函数的最优解为:
根据所述生产效率评价函数的最优解得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量松弛变量反映了物资投入的冗余量和期望产出的不足量,当和时,则ρ*=1,说明待决策单元在现有投入水平下实现了产出的最大化,技术是有效率的,当和两个松弛变量中至少有一个不为0时,则ρ*<1,决策单元存在效率损失,说明物资投入与作物产量未达到最优状态。当不等于0,说明第t个物资投入的过多投入量为当不等于0,说明作物产量在其对应的投入下未达到最优产量,与最优产量差值为物资投入若存在过多投入量,则物资在生产制造过程中将排放过多的温室气体,求出该物资过多投入量,将过多投入量乘以其温室气体排放因子,就可以得到过多投入量造成的温室气体排放量,因此,通过减少这些物资的过多投入量,就可以减少温室气体的排放量,这些温室气体减排量称为减排潜力。同时,如果得出产量产出不足,即产量在既定的投入下没有达到最优产量,则产出的不足部分也造成了物资投入的过多投入,但是该处的温室气体排放减排潜力,不是去求物资投入的过多投入量,而是直接将产量的不足部分乘以单位产量下的温室气体排放量,来核算温室气体减排潜力。
步骤104:根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。
该步骤104具体包括:
其中,GHGp为所述农作物种植的全国温室气体减排潜力,n为种植所述农作物的县域的总数,SAj为第j个县域所述农作物的种植面积,p为物资投入变量的总个数,为第j个县域所述农作物种植第t个物资投入变量对应的松弛变量(通过上述步骤103得到各个县域的所述物资投入变量的松弛变量由于共有n个种植所述农作物的县域,因此,表示第j个县域所述农作物种植第t个物资投入变量对应的松弛变量),EFt为第t个物资投入变量对应的生产前温室气体排放因子,为第j个县域所述农作物种植柴油投入变量对应的松弛变量,EFd为柴油对应的生产中排放因子,为第j个县域所述农作物种植氮肥投入变量对应的松弛变量,EFI和EFD分别为氮肥对应的生产中间接和直接N2O排放因子(kgN2O/kg N),为第j个县域所述农作物产量对应的松弛变量(通过上述步骤103得到各个县域的所述产出变量的松弛变量由于共有n个种植所述农作物的县域,因此,表示第j个县域所述农作物产量对应的松弛变量),EDj为所述农作物单位产量下的温室气体排放量,298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
其中,所述农作物单位产量下的温室气体排放量EDj的计算公式为:
从生命周期的角度来计算所述农作物单位产量下的温室气体排放量。农作物生产温室气体排放分为生产前排放和生产中排放,生产前排放指农作物生产中间投入品(如化肥、农药、农膜、燃油等)在原料获取、生产和运输过程中排放的温室气体,生产中排放指农作物生产过程中的温室气体排放,主要指机械作业燃油排放和土壤中的N2O排放。
其中,Y为所述农作物的每亩产量,n为所述农作物种植中间投入品的总个数,Ui为所述农作物种植第i个中间投入品的每亩用量,EFi分别为Ui对应的生产前排放因子(kgCO2-eq/kg),Ud为所述农作物种植柴油的每亩用量,EFd为柴油对应的生产中排放因子,UN为所述农作物种植氮肥的每亩用量,EFI和EFD分别为生产中氮肥对应的间接和直接N2O排放因子(kg N2O/kg N),298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
本发明公开的农作物生产温室气体减排潜力估算方法,通过所述生产效率评价函数求出物资的过多投入量和产量的不足量,然后乘以排放因子和所述农作物单位产量下的温室气体排放量来核算温室气体排放潜力。考虑环境投入是为了得到更准确的决策单元的生产效率评价函数,因为环境投入(如累积降雨量、有效积温等)会影响产量,但是环境投入不像物质投入那样,如果投入多了,人为可进行减少,但是环境投入无法进行人为调节。在生产效率评价中,考虑环境投入是为了更客观正确地分析物质投入,如果不考虑环境投入,仅考虑物资投入对产量的影响,是不合理也是不准确的。
本发明公开的农作物生产温室气体减排潜力估算方法,将环境投入也作为农业生产效率评价时的投入因素,并由于环境投入不以人的意志为转移,因此在生产效率评价时,通过设定环境投入不存在松弛变量对农业生产效率评价模型进行了改进,能更加客观地评价各县域所述农作物的生产效率,进而更加准确地估算相对最优生产效率下的农作物生产温室气体减排潜力。该农作物生产温室气体减排潜力估算方法通过兼顾环境投入的农业生产效率评价,可确定出某种作物种植的相对最优物资投入量和相对最优产量,可获得各县域该作物种植的物资投入的冗余值和产出的不足值,然后根据各种物资投入的温室气体排放因子和作物单位产量下的温室气体排放量,以及该作物在不同地区的种植面积来估算该作物种植的全国温室气体减排潜力。该方法可通过分析不同评价单元的农作物不同物资投入的减排潜力,统计得出减排潜力最大的一项或两项农作物物资投入,作为相对最优生产效率下农作物生产温室气体减排的重要途径。
图2为本发明农作物生产温室气体减排潜力估算系统实施例的结构图。参见图2,该农作物生产温室气体减排潜力估算系统,包括:
变量获取单元201,用于获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;
建立单元202,用于设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;
松弛变量计算单元203,用于根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;
温室气体减排潜力计算单元204,用于根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见系统部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种农作物生产温室气体减排潜力估算方法,其特征在于,包括:
获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;所述环境投入变量包括累积降雨量、有效积温、土壤有机质和pH数值;物资投入变量包括氮肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量;产出变量包括每亩产量数据;
设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;
根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;
根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力;
所述设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量,其中n≥2(o+p+1);xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;λj为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,ρ为待评价县域“0”的农作物生产效率评价函数,0<ρ≤1;
所述根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量;xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;∧j为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,γ为待评价县域“0”的农作物生产效率评价函数;
对所述线性规划函数进行求解,得到所述线性规划函数的最优解为γ*, 其中,γ*为生产效率评价函数的最优解,为第t个物资投入变量对应的松弛变量的最优解,为产出变量对应的松弛变量的最优解,为第j个县域对应的权重的最优解,为标量的最优解;
根据所述线性规划函数的最优解得到所述生产效率评价函数的最优解为:
所述根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力,具体包括:
其中,GHGp为所述农作物种植的全国温室气体减排潜力,n为种植所述农作物的县域的总数,SAj为第j个县域所述农作物的种植面积,p为物资投入变量的总个数,为第j个县域所述农作物种植第t个物资投入变量对应的松弛变量,EFt为第t个物资投入变量对应的生产前温室气体排放因子,为第j个县域所述农作物种植柴油投入变量对应的松弛变量,EFd为柴油对应的生产中排放因子,为第j个县域所述农作物种植氮肥投入变量对应的松弛变量,EFI和EFD分别为氮肥对应的生产中间接和直接N2O排放因子,为第j个县域所述农作物产量对应的松弛变量,EDj为所述农作物单位产量下的温室气体排放量,298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
2.根据权利要求1所述的农作物生产温室气体减排潜力估算方法,其特征在于,所述获取各县域某种农作物的环境投入变量,具体包括:
获取设定范围内气象站点的纬度、经度、日降雨量、日最高温和日最低温数据,按照所述经度和纬度数据对气象站点的日降雨量、日最高温和日最低温在全国范围进行克里格空间插值,然后按照所述农作物的种植区域提取出各县域在所述农作物的种植布局面上的日降雨量、日最高温和日最低温的每日平均值,计算得到各县域所述农作物生长期内的累积降雨量和有效积温;
获取土壤数据集中表层土壤0-30cm的土壤有机质和pH数值,并从所述表层土壤0-30cm的土壤有机质和pH数值中提取出各县域所述农作物种植区域的土壤有机质和pH数值。
4.根据权利要求1所述的农作物生产温室气体减排潜力估算方法,其特征在于,所述获取各县域某种农作物的物资投入变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物种植的氮肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量以及各县域所述农作物的总种植面积。
5.根据权利要求1所述的农作物生产温室气体减排潜力估算方法,其特征在于,所述获取各县域某种农作物的产出变量,具体包括:
从各县域的统计年鉴中获取各县域所述农作物的每亩产量数据。
7.一种农作物生产温室气体减排潜力估算系统,其特征在于,包括:
变量获取单元,用于获取各县域某种农作物的环境投入变量、物资投入变量和产出变量;所述环境投入变量包括累积降雨量、有效积温、土壤有机质和pH数值;物资投入变量包括氮肥、磷肥、钾肥、柴油、电力、农药、农膜和种子所对应的每亩物资投入量;产出变量包括每亩产量数据;
建立单元,用于设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数;所述设置所述环境投入变量的松弛变量为0,建立种植所述农作物的各县域的生产效率评价函数,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量,其中n≥2(o+p+1);xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;λj为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,ρ为待评价县域“0”的农作物生产效率评价函数,0<ρ≤1;
松弛变量计算单元,用于根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量;所述根据所述环境投入变量、所述物资投入变量、所述产出变量和所述生产效率评价函数,得到所述物资投入变量的松弛变量以及所述产出变量的松弛变量,具体包括:
其中,n为待评价的县域个数,每个待评价的县域都有o个环境投入变量,p个物资投入变量和1个产出变量;xrj表示第j个县域的第r个环境投入变量,Xj=(x1j,x2j,…,xoj)T(xrj>0),其中,Xj表示第j个县域的环境投入变量组,T表示转置;ytj表示第j个县域的第t个物资投入变量,Yj=(y1j,y2j,…,ypj)T(ytj≥0),其中,Yj表示第j个县域的物资投入变量组,T表示转置;Zj表示第j个县域的产出变量,Zj>0;∧j为第j个县域对应的权重,xr0、yt0和z0分别为待评价县域“0”对应的第r个环境投入变量、第t个物资投入变量和产出变量,和分别为第t个物资投入变量和产出变量对应的松弛变量,γ为待评价县域“0”的农作物生产效率评价函数;
对所述线性规划函数进行求解,得到所述线性规划函数的最优解为γ*, 其中,γ*为生产效率评价函数的最优解,为第t个物资投入变量对应的松弛变量的最优解,为产出变量对应的松弛变量的最优解,为第j个县域对应的权重的最优解,为标量的最优解;
根据所述线性规划函数的最优解得到所述生产效率评价函数的最优解为:
温室气体减排潜力计算单元,用于根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力;所述根据所述物资投入变量的松弛变量、所述产出变量的松弛变量和温室气体减排潜力计算公式,得到所述农作物生产温室气体减排潜力,具体包括:
其中,GHGp为所述农作物种植的全国温室气体减排潜力,n为种植所述农作物的县域的总数,SAj为第j个县域所述农作物的种植面积,p为物资投入变量的总个数,为第j个县域所述农作物种植第t个物资投入变量对应的松弛变量,EFt为第t个物资投入变量对应的生产前温室气体排放因子,为第j个县域所述农作物种植柴油投入变量对应的松弛变量,EFd为柴油对应的生产中排放因子,为第j个县域所述农作物种植氮肥投入变量对应的松弛变量,EFI和EFD分别为氮肥对应的生产中间接和直接N2O排放因子,为第j个县域所述农作物产量对应的松弛变量,EDj为所述农作物单位产量下的温室气体排放量,298为100年尺度下单位质量N2O的全球增温潜势为CO2的倍数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910477678.1A CN110782112B (zh) | 2019-06-03 | 2019-06-03 | 一种农作物生产温室气体减排潜力估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910477678.1A CN110782112B (zh) | 2019-06-03 | 2019-06-03 | 一种农作物生产温室气体减排潜力估算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110782112A CN110782112A (zh) | 2020-02-11 |
CN110782112B true CN110782112B (zh) | 2022-04-22 |
Family
ID=69383246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910477678.1A Expired - Fee Related CN110782112B (zh) | 2019-06-03 | 2019-06-03 | 一种农作物生产温室气体减排潜力估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782112B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178789A (zh) * | 2020-02-17 | 2020-05-19 | 北京师范大学 | 一种面向水-土-能综合管理的农业温室气体评估方法 |
CN113269450B (zh) * | 2021-05-31 | 2022-02-15 | 中国科学院地理科学与资源研究所 | 一种县级尺度农作物资源利用与环境效应评估方法与系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140015050A (ko) * | 2012-07-27 | 2014-02-06 | 주식회사 에코시안 | 온실가스 감축 잠재량 평가 방법 및 시스템 |
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
CN109657999A (zh) * | 2018-12-26 | 2019-04-19 | 东北农业大学 | 一种基于SU-DEA与Malmquist指数的混合动态农机合作社效率评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897835A (zh) * | 2017-02-27 | 2017-06-27 | 四川农业大学 | 一种对可再生能源节能技术经济可行性的评价方法 |
-
2019
- 2019-06-03 CN CN201910477678.1A patent/CN110782112B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140015050A (ko) * | 2012-07-27 | 2014-02-06 | 주식회사 에코시안 | 온실가스 감축 잠재량 평가 방법 및 시스템 |
CN106570634A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院地理科学与资源研究所 | 城市群经济环境效率评估方法 |
CN109657999A (zh) * | 2018-12-26 | 2019-04-19 | 东北农业大学 | 一种基于SU-DEA与Malmquist指数的混合动态农机合作社效率评价方法 |
Non-Patent Citations (2)
Title |
---|
"东北三省循环经济效率评价及其影响因素分析";王一帆;《中国优秀博硕士学位论文全文数据库经济与管理科学辑》;20160815(第8期);第3-5章 * |
"自然环境因素对能源效率的影响";杨红亮 等;《中国工业经济》;20090417(第4期);第73-83页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110782112A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brilli et al. | Review and analysis of strengths and weaknesses of agro-ecosystem models for simulating C and N fluxes | |
Chukalla et al. | Grey water footprint reduction in irrigated crop production: effect of nitrogen application rate, nitrogen form, tillage practice and irrigation strategy | |
Alcamo et al. | Modeling the global society-biosphere-climate system: Part 1: Model description and testing | |
Tan et al. | Global estimation of crop productivity and the impacts of global warming by GIS and EPIC integration | |
Zhao et al. | Exploring the relationships between climatic variables and climate-induced yield of spring maize in Northeast China | |
Houshyar et al. | Energy input for tomato production what economy says, and what is good for the environment | |
Liu et al. | Using MODAWEC to generate daily weather data for the EPIC model | |
Raneesh et al. | A study on the impact of climate change on streamflow at the watershed scale in the humid tropics | |
Li et al. | Impact of climate change on maize production in Northeast and Southwest China and risk mitigation strategies | |
Bredemeier et al. | Fast growing plantations for wood production–integration of ecological effects and economic perspectives | |
Zhang et al. | Improving representation of crop growth and yield in the dynamic land ecosystem model and its application to China | |
CN110782112B (zh) | 一种农作物生产温室气体减排潜力估算方法及系统 | |
Keller et al. | Giving credit to reforestation for water quality benefits | |
CN109117984B (zh) | 稻田径流量预测及氮磷流失估测方法 | |
CN114219330A (zh) | 基于温室种植过程的碳排放评估方法、系统及计算机设备 | |
CN111899126A (zh) | 基于水循环模拟的三条红线控制指标划分方法 | |
Tatsumi | Effects of automatic multi-objective optimization of crop models on corn yield reproducibility in the USA | |
CN102156886A (zh) | 基于统计数据和遥感影像数据的区域化肥投入空间化方法 | |
Nguyen et al. | Impact of ecosystem carbon stock change on greenhouse gas emissions and carbon payback periods of cassava-based ethanol in Vietnam | |
CN116629494A (zh) | 一种基于大数据平台的作物精准施肥方法及系统 | |
Mandrini et al. | Modeling the economic and environmental effects of corn nitrogen management strategies in Illinois | |
Zhang et al. | The optimization of conservation agriculture practices requires attention to location-specific performance: evidence from large scale gridded simulations across South Asia | |
Kasiviswanathan et al. | Implications of uncertainty in inflow forecasting on reservoir operation for irrigation | |
Basso et al. | Tradeoffs between maize silage yield and nitrate leaching in a Mediterranean nitrate-vulnerable zone under current and projected climate scenarios | |
CN114386710A (zh) | 基于stl-rf-lstm的湖泊蓝藻水华长期预报方法与系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220422 |