CN113822479A - 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 - Google Patents
一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 Download PDFInfo
- Publication number
- CN113822479A CN113822479A CN202111104607.0A CN202111104607A CN113822479A CN 113822479 A CN113822479 A CN 113822479A CN 202111104607 A CN202111104607 A CN 202111104607A CN 113822479 A CN113822479 A CN 113822479A
- Authority
- CN
- China
- Prior art keywords
- agricultural
- area
- agricultural planting
- planting
- optimization
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008901 benefit Effects 0.000 title claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 30
- 238000012546 transfer Methods 0.000 claims abstract description 33
- 238000011160 research Methods 0.000 claims abstract description 21
- 230000004807 localization Effects 0.000 claims abstract description 5
- 238000012795 verification Methods 0.000 claims abstract description 4
- 239000005431 greenhouse gas Substances 0.000 claims description 27
- 239000003621 irrigation water Substances 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 18
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 17
- 238000009313 farming Methods 0.000 claims description 17
- 229910052799 carbon Inorganic materials 0.000 claims description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 14
- 229920000742 Cotton Polymers 0.000 claims description 14
- 240000008042 Zea mays Species 0.000 claims description 12
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 12
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 12
- 235000005822 corn Nutrition 0.000 claims description 12
- 235000007164 Oryza sativa Nutrition 0.000 claims description 11
- 235000021307 Triticum Nutrition 0.000 claims description 11
- 235000009566 rice Nutrition 0.000 claims description 11
- 239000002689 soil Substances 0.000 claims description 11
- 238000003973 irrigation Methods 0.000 claims description 10
- 230000002262 irrigation Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012272 crop production Methods 0.000 claims description 7
- 244000105624 Arachis hypogaea Species 0.000 claims description 5
- 244000068988 Glycine max Species 0.000 claims description 5
- 235000010469 Glycine max Nutrition 0.000 claims description 5
- 230000006872 improvement Effects 0.000 claims description 5
- 235000020232 peanut Nutrition 0.000 claims description 5
- 235000017060 Arachis glabrata Nutrition 0.000 claims description 4
- 235000010777 Arachis hypogaea Nutrition 0.000 claims description 4
- 235000018262 Arachis monticola Nutrition 0.000 claims description 4
- 235000006008 Brassica napus var napus Nutrition 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000004720 fertilization Effects 0.000 claims description 4
- 241000219310 Beta vulgaris subsp. vulgaris Species 0.000 claims description 3
- 240000002791 Brassica napus Species 0.000 claims description 3
- 241000219146 Gossypium Species 0.000 claims description 3
- 240000000111 Saccharum officinarum Species 0.000 claims description 3
- 235000007201 Saccharum officinarum Nutrition 0.000 claims description 3
- 235000021536 Sugar beet Nutrition 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 244000061176 Nicotiana tabacum Species 0.000 claims 1
- 240000007594 Oryza sativa Species 0.000 claims 1
- 244000098338 Triticum aestivum Species 0.000 claims 1
- 241000208125 Nicotiana Species 0.000 description 16
- 241000209094 Oryza Species 0.000 description 10
- 241000209140 Triticum Species 0.000 description 10
- 235000013339 cereals Nutrition 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 8
- 238000012271 agricultural production Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000003292 glue Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 238000003971 tillage Methods 0.000 description 2
- 240000000385 Brassica napus var. napus Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 239000002686 phosphate fertilizer Substances 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 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
- G06Q10/04—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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法，包括如下步骤：S1:获取研究区内多年农业种植系统相关资料；S2：根据研究区内作物实验观测资料，对各种经验或农业系统模型进行参数优化和验证，实现模型的本地化；S3:根据经验或农业系统模型，计算研究区内所述可选的农业种植系统的在作物产量、环境和经济方面的指标表现；S4：采用线性规划模型开展研究区内农业种植系统多目标优化，确定优化目标，以所述可选的农业种植系统的种植面积的相互转移量为变量，同时设置次要目标作为限制条件；以及S5：利用线性规划模型求出最优解，确定各个作物的最终优化面积和调整的方向，实现农作物种植结构优化。
Description
技术领域
本发明涉及农业信息技术领域，更具体涉及一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法。
背景技术
目前，国家正在致力于农业种植结构优化，从供给侧着手提质增效，努力提高生产、经济和环境效益，实现农业可持续发展。但是一个地区如何优化农业种植结构主要凭少数专家的讨论意见，没有科学定量的优化方法。因此，难以制定有效的农业种植结构优化方案，难以同时兼顾生产、经济和环境效益等多目标。
更具体地，目前一个地区农业种植结构主要由农民的意愿或市场价格左右，比较盲目，缺乏定量的优化和规划。农业种植结构调整方案主要少数专家讨论决定，采用定性方法，或者静态的评价指标体系，没有科学定量的动态的优化方法。不足之处是无法客观计算不同农业种植系统在生产、经济和环境效益等方面的表现，更无法对农业种植结构开展科学的多目标优化。无法根据当地的生产资源条件，在最大化某一主要目标时，同时兼顾满足其他目标。因为缺乏长远的科学规划，近年来我国农业出现结构性矛盾，矛盾的主要方面在供给侧。需要开展农业种植结构调整和优化，需要相应的科学理论指导和技术支持，但现有的技术无法满足这一需求。
另外，2020年第七十五届联合国大会上，我国向世界郑重承诺力争在2030年前实现碳达峰，努力争取在2060年前实现碳中和。农业生产系统是一个重要碳排放源，以前农业生产系统的碳减排技术主要是通过改进农业耕作(减耕和免耕)和管理(如施肥和灌溉)方法；主要是通过大田实验探索固碳减排管理方法，忽视在省市尺度上农业种植结构优化对固碳减排和提高资源利用率的作用。没有在省市尺度上，同时考虑产量、经济和固碳减排等多目标，提出固碳减排优化方案，达到固碳减排目标的同时保证粮食生产、经济和其他效益不降低。
因此需要改进目前的技术方法，以至少部分解决现有技术中存在的局限。
发明内容
针对现有技术的不足，本发明采用先进的农业系统模型和线性规划模型相结合，解决同时考虑多目标的定量优化问题。兼顾生产、环境和经济效益等多目标，在省市两级尺度上分别开展农作物种植结构调整优化，提出了农作物种植结构调整优化方案。
根据本发明的一方面，提供一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法，包括如下步骤：
S1:一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法，包括如下步骤：
S1:获取研究区内农业种植系统的相关资料，包括该研究区内可选的农业种植系统、各农业种植系统的种植面积、产量，灌溉和施肥基础数据；
S2：根据研究区内作物实验观测资料，对各种经验或农业系统模型进行参数优化和验证，实现模型的本地化；
S3:根据经验或农业系统模型，计算研究区内所述可选的农业种植系统的在作物产量、环境和经济方面的指标表现，经济方面包括经济投入和产出，环境方面包括土壤有机碳、温室气体CO2，N2O和CH4的特征排放量；
S4：采用线性规划模型开展研究区内农业种植系统多目标优化，确定优化目标，以所述可选的农业种植系统的种植面积的相互转移量为变量，同时设置次要目标作为限制条件；以及
S5：利用线性规划模型求出最优解，即研究区满足上述多目标的最优的可选的农业种植系统的种植面积的转移量，从而确定各个作物的最终优化面积和调整的方向，实现农作物种植结构优化。
根据本发明的实施方案，以种植结构调整引起的净温室气体排放变化量最小为优化目标。
根据本发明的实施方案，次要目标包括作物产量、灌溉用水和经济收益改进或不受损。
根据本发明的实施方案，所述经验和农业系统模型包括DNDC模型、CH4MOD模型，SRNM模型、DAYCENT(Daily Century Model)或Soil-C模型、GCWM模型(global crop watermodel)以及生命周期分析方法。
根据本发明的实施方案，所述农业种植系统选自水稻、棉花、甘蔗、烟草、小麦、甜菜、玉米、花生、大豆和油菜。
根据本发明的实施方案，S5步骤中，求解过程分为两个阶段，在第一阶段，确定每个地区的各农业种植系统的面积是增加还是减少，决策变量是各农业种植系统之间的转移面积；所有满足约束的农业种植系统可以相互转换；在第二阶段，决策变量是第一阶段中耕地面积减少的农业种植系统向耕地面积增加的农业种植系统的转换；第一阶段中面积增加的农业种植系统不转化为其他农业种植系统，而第一阶段中面积减少的种植系统转为其他农业种植系统。
根据本发明的实施方案，S4步骤中，设定的第一阶段目标函数如下：
其中，ΔTNGBc，opt表示种植结构变化引起的净温室气体排放总量的变化量，N表示研究区可选的种植系统数量，Ti，j，opt表示从农业种植系统i到农业种植系统j转移的耕地面积，是该目标函数的决策变量，不满足限制条件的转移面积为0，ΔNGBi，j＝NGBj-NGBi表示由农业种植系统i到农业种植系统j转化后造成的单位净温室气体排放量；当I＝J时，单位属性的变化为0。
根据本发明的实施方案，第一阶段目标函数受到以下的条件限制：种植系统的适宜性、耕地安全限制、作物生产限制、经济收益限制以及灌溉耗水量限制。
根据本发明的实施方案，S4步骤中，设定的第二阶段目标函数如下：
其中，minTNGBc，opt表示最小的净温室气体排放量变化量，DeN表示在第一阶段中面积下降的农业种植系统的数量，N表示研究区所述可选的农业种植系统数量；Ti，j，opt表示从农业种植系统i到农业种植系统j转移的耕地面积，作为该目标函数的决策变量，不满足限制条件的转移面积为0；ΔNGBi，j＝NGBj-NGBi表示由农业种植系统i到农业种植系统j转化后造成的单位净温室气体排放量；当i＝j时，单位属性的变化为0。
根据本发明的实施方案，第一阶段目标函数受到以下的条件限制：种植系统的适宜性、耕地安全限制、作物生产限制、经济收益限制以及灌溉耗水量限制。
针对一个特定的地区(省或市)，根据目前的农作物种植系统，首先利用经验的或机理过程模型分别计算各种农作物种植系统(如小麦、玉米、小麦-玉米轮作、单季水稻、双季水稻等)在生产、环境和经济效益等方面的指标表现。然后设定一个主要目标(例如温室气体净排放)作为优化目标，设定诸多限制条件(例如农田不扩张、农业用水不增加、粮食安全不受损、经济效益不受损等等)。最后线性规划模型开展多目标优化，得到最优解，即为该地区农作物种植结构的最优方案(即各种农作物种植系统的最优种植面积)。
相比于现有技术，
1)本发明采用经验的或机理过程模型分别计算一个区域各种农作物种植系统在生产(粮食生产)、环境(净温室气体排放量)和经济效益(经济收益)等方面的指标表现，代替田间试验或以前简单粗略的方法，降低成本代价并提高了准确性。
2)本发明采用先进的线性规划模型开展区域农作物种植系统多目标优化，在最大化某一目标(例如净温室气体排放量最小)的同时，保证满足其他目标(如粮食生产、灌溉用水和经济收益不受损或改进)。该方法科学客观，克服以前没有定量优化、没有兼顾多目标等方面的不足。
3)本发明采用先进的机理过程模型和线性规划模型可以在不同地区和多种农业种植系统灵活应用，也可根据需要设定不同的优化目标，解决了原有技术在空间上应用的制约。
总之，本技术可以综合评价一个地区各种农业种植系统在生产、环境和经济等方面的表现，对比各种种植系统在这些方面表现的优劣，并采用科学严谨的方法开展多目标优化，确定该地区最优的农作物种植结构，整体提高该地区农业种植系统在生产、环境和经济等方面的表现。
附图说明
附图中相同的附图标记标示了相同或类似的部件或部分。本发明的目标及特征考虑到如下结合附图的描述将更加明显，附图中：
图1是根据本发明一个实施方案的兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法的流程示意图；
图2是利用根据本发明一个实施方案的区域农业种植结构多目标优化方法得到的种植结构优化后的种植结构面积转移量示意图；以及
图3利用根据本发明一个实施方案的区域农业种植结构多目标优化方法得到的种植结构优化前后的作物种植面积示意图。
具体实施方式
为清楚的说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。以下的说明本质上仅仅是示例性的而并不是为了限制本发明的范围。
应该理解的是，本发明所引用的农业系统模(作物模型)、线性规划模型本身是已知的，例如模型的各个子模块、各种参数、运行机制、模拟过程例如产量模拟、多目标线性规划等等，因此本发明重点阐述如何结合作物模型和线性规划模型来实施多目标优化，兼顾农业种植系统生产、环境和经济等多目标，确定该地区最优的农业种植结构。
图1是根据本发明一个实施方案的兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法的流程示意图。如图1所示，本发明提出一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法，具体包括以下步骤：
S1:根据一个地区(如省、市)多年的农业统计年鉴以及其他的数据源，确定该地区可以种植的农业种植系统(也即，可选的种植系统或者现有的种植系统)、各种农业种植系统的种植面积、灌溉和施肥等各种管理措施、产量等基础数据；研究区域内可以种植的农业种植系统例如可以为水稻、棉花、甘蔗、烟草、小麦、甜菜、玉米、花生、大豆和油菜等等。
S2:根据多种作物实验资料，对各种农业系统模型进行参数优化和验证，实现模型的本地化，使其具备可靠的模拟能力。例如所述的经验和农业系统模型优选DNDC模型或CH4MOD模型计算CH4排放量，DNDC模型或SRNM模型计算N2O排放量，DAYCENT(Daily CenturyModel)或Soil-C模型计算土壤有机碳(SOC)变化，采用GCWM模型(global crop watermodel)计算作物需水和灌溉量，采用生命周期分析方法计算各种农业管理和投入的CO2排放量。这些模型和方法为本领域所熟知，在此就不进行详述。
S3：根据经验或农业系统模型，计算一个地区各种可选的农业种植系统在生产(作物产量)、环境(土壤有机碳、温室气体CO2，N2O和CH4的特征排放量)和经济(经济投入和产出)等方面的指标表现。
S4:采用线性规划模型开展区域农作物种植系统多目标优化，确定某一主要目标为优化目标(如种植结构调整造成的净温室气体排放变化量最小)，以各种可选择农作物的种植面积的相互转移量为变量，同时设置一些次要目标(如粮食生产、灌溉用水和经济收益不受损或改进)作为限制条件(约束条件)。
应该理解的是，本发明方法的线性规划模型中主要目标(优化目标)和约束条件可以根据当地的实际需要灵活设定，例如某地可以设定经济净收益、产量等为主要目标，设定某种作物的面积不能减少或增加等等为约束条件。
S5：针对研究区农作物种植系统，采用线性规划模型开展优化，求出最优解，即为该地区满足上述多目标的最优的可选择农作物的种植面积的转移量，从而可以确定各个作物的最终优化面积和调整的方向(即作物面积的增加是从哪种作物面积的减少而来的)，实现农作物种植结构优化，指导农业生产实践。
求解过程可以分为两个阶段，第一阶段以是确定每个地区的每个种植系统的面积是增加还是减少。决策变量是种植系统之间的转移面积。所有满足约束的种植系统都可以相互转换。在第二阶段，决策变量是第一阶段耕地面积减少的种植系统向增加的种植系统的转换。第一阶段面积增加的种植系统不会转为其他种植系统转化，而第一阶段面积减少的种植系统将转为其他种植系统。
其中，S4所述的线性规划模型和优化方法具体步骤：
1)设定的第一阶段目标函数如下
式中ΔTNGBc，opt表示种植结构变化引起的净温室气体排放总量的变化量，N表示该地区现有的种植系统数量(研究时间段内该地区可选的作物种植系统)，Ti，j，opt表示从种植系统i到种植系统j转移的耕地面积，是该目标函数的决策变量，不满足限制条件的转移面积将为0，ΔNGBi，j等于NGBj-NGBi，表示由作物i到作物j转化后造成的单位净温室气体排放量。当i＝j，单位属性的变化为0，也即，种植系统不变，面积不转移。目标函数可以设定以下的限制条件。
2)设定一些限制条件，例如：
a.农业种植系统的适宜性。对于该研究区不存在的种植系统则不会考虑到优化模型中，即现有的种植系统不会转移到该研究区不存在的种植系统。此外，旱地作物向水稻的转移需要较大的投资，如水利工程的建设，因此可以不考虑旱作作物向基于水稻的种植系统的转化。具体的公式可通过如下表达：
Ti，j，opt＝0 ifSj，cur＝0
Ti，j，opt＞＝0ifSj，cur＞&Si，cur＞0
Tj，i，opt＝0if Sj，cur＝0
Tj，i，opt＞＝0 if Sj，cur＞&Si，cur＞0
式中Sj，cur表示现有的种植系统j的耕地面积，Ti，j，opt和Tj，i，opt分别表示从种植系统i到j转移的面积和从种植系统j向i转移的面积。
b.耕地安全限制。保证耕地充足是中国的基本国策。因此，每个地区的耕地总面积保持不变，以确保耕地安全。因此，从每个种植系统转移出去的总面积与其现有的总耕地面积相等。公式如下：
c.作物生产限制。油、糖、主食、棉花都是消费者的必需品，说明它们各自的总产量不应该减少。烤烟(烟草)尽管经济收益高，但对人体健康有害，因此可以设置其种植面积不应扩大。对于油、糖和主食，它们的作物产量以作物热量(kcal ha-1)表示，这使得同一组内不同种植制度的作物产量可以统一。
对于油料作物：
ΔUOKali，j＝Yieldj*OKalj-Yieldi*OKali
式中ΔUOKali，j表示由种植系统i向j转移造成的油料单位热量变化。Okal是油料热量转化因子，来源于FAO。对于非油料的种植系统，其值为0。
对于糖料作物：
ΔUSKali，j＝Yieldj*SKalj-Yieldi*SKali
式中ΔUSKali，j是表示由种植系统i向j转移造成的单位糖料的热量变化。Skal是糖料的热量转换因子。如果种植系统不属于糖料，则Skal为0。
对于主粮作物，限制的数学表达对于主粮作物，限制的数学表达如下：
ΔUStaKali，j＝Yieldj*StaKalj-Yieldi*StaKali
式中ΔUStaKali，j是表示由种植系统i向j转移造成的单位主粮的热量变化。Stakal是主粮的热量转换因子。如果种植系统不属于主粮，则Stakal为0。
对于纤维作物棉花，其限制的数学表达如下：
ΔUCYieldi，j＝CYieldi-CYieldi
式中ΔUCYieldi，j是由种植系统i向j转移造成的单位棉花的产量变化。Cyield是棉花单产，如果种植系统不属于棉花，则该值为0。
对于爱好类作物烤烟，其限制的数学表达如下：
ΔUToYieldi，j＝ToYieldj-ToYieldi
式中ΔUToYieldi，j是由种植系统i向j转移造成的单位烤烟产量变化，ToYield是烤烟产量，如果种植系统不属于烤烟，则该值为0。
d.经济收益限制。在经济效益方面，设定农业总收入不下降，从而保证优化方案的实现。数学表达如下：
ΔValuei，j＝Valuej-Valuei
式中ΔValuei，j是由种植系统i向j转移造成的单位经济收益变化。Valuej表示单位经济收益。
e.灌溉耗水量限制。在灌溉水方面，设定灌溉耗水总量不增加，数学表达如下：
ΔIWCi，j＝IWCj-IWCi
式中ΔIWCi，j是由种植系统i向j转移造成的单位灌溉耗水量变化。IWCj表示单位作物的灌溉耗水量。
3)在第二阶段，其目标函数同样是最小化种植结构变化造成的净温室气体排放量变化量，数学表达如下：
其中，minTNGBc，opt表示最小的净温室气体排放量变化量，DeN表示在第一阶段面积下降的种植系统的数量。i表示向外转移的种植系统(面积减少的种植系统)，j表示所有的可选的种植系统。因此第一阶段和第二阶段的不同在于决策变量数量的不同，其他的限制条件同第一阶段。
实施例
以河南省驻马店市为例，利用本发明的技术方法对该研究区的农业种植系统结构优化进行了研究。
从2015—2019年的河南省统计年鉴中驻马店市的2014-2018年间各种农作物的种植面积和产量，涉及的具体农作物包括了冬小麦，夏玉米，棉花，单季稻，大豆，花生，油菜，棉花和烤烟。另外，驻马店市存在轮作系统冬小麦-夏玉米，其在遥感影像上表现为年内植被指数的峰值为2，因此可以结合遥感植被指数产品MOD13A2提取出轮作系统的面积和产量，从而将冬小麦和夏玉米分为冬小麦-夏玉米，单季冬小麦和单季夏玉米。提取过程如下：首先提取MOD13A2产品中归一化植被指数NDVI的峰值点数量为2的空间分布，然后统计驻马店市的峰值点为2的格点的总面积，并与冬小麦和夏玉米的面积比较，3者中的最小值为冬小麦-夏玉米的种植面积。从2015-2019年的《全国农产品成本资料汇编》中收集驻马店市上述8种农作物的单位面积上的氮肥，磷肥，钾肥，复合肥，农用塑料薄膜，种子和农用柴油的单位投入，以及单位面积的经济收益。从SPAM2010数据集中收集8种作物在驻马店市的空间分布和各种作物的灌溉比例。从中国土壤数据库中收集土壤性质，包括了田间持水量，土壤容重，土壤pH值，沙砾含量，粘土含量。从中国区域气候数据驱动集中收集驻马店市2014-2018年逐日的降水，平均温度，最高温度，最低温度，风速，太阳辐射，气压和相对湿度。从中国气象数据网中收集位于驻马店市的各个农作物的物候观测信息，包括了播种期，出苗期，分蘖期，返青期，拔节期，抽穗期，乳熟期和成熟期。另外还收集8种作物的秸秆还田比例。
在本实施例中，所述经验和农业系统模型包括DNDC模型、CH4MOD模型，SRNM模型、Soil-C模型、GCWM模型(global crop water model)以及生命周期分析方法LCA。当然也可以采用其他合适的作物模型。这些模型或者方法本身为本领域所熟知，在应用于具体的地区之前，一般应当利用当地的具体观测资料(实验资料)，例如利用当地的农业观测站所记录的资料，来对模型进行优化，也即本地化，使其适用于本地区。上述模型参数优化(本地化)以及模拟预测的过程以及原理为本领域技术人员所熟知，因此本发明仅示例性简要的进行一些说明。例如作物模型参数优化可以包括：采集研究区站点尺度的土壤参数、气象参数和田间管理参数，基于GLUE方法对品种参数进行逐步校准:(i)根据品种所需积温优化影响开花和成熟的遗传参数；(ii)校准决定产量的遗传参数。其中GLUE方法为本领域所熟知，例如一些作物模型中自带有GLUE工具，可以利用该GLUE工具来进行优化校准。
进一步地，采用GCWM模型(global crop water model)模拟了各个农作物在灌溉情景下的灌溉耗水量空间分布，然后以地级市为统计单位进行平均，得到灌溉情景下地级市的各个作物的灌溉耗水量，乘以灌溉比例得到各个作物在地级市上的实际灌溉耗水量。在土壤性质，气候和灌溉耗水的输入下，采用空间参考非线性模型(SRNM)模拟各个农作物的N2O排放的空间格局，并以地级市为统计单位进行平均得到每个地级市各个作物的单位N2O排放量。采用生命周期评价法LCA评估与农业管理相关的CO2排放，它是各个农业投入的排放因子乘以单位农业排放量的总和。在物候，气候，产量和水分管理输入下，采用CH4MOD模型模拟单季稻的单位CH4排放的空间格局，并以地级市为单元进行统计，得到每个地级市上单季稻的单位CH4排放。在秸秆还田比例，产量，物候，气候等的输入下，采用Soil-C模型模拟各个作物的土壤有机碳SOM的年变化量。根据CO2,N20,CH4和SOM变化量可计算得到净温室气体排放变化量。得到的结果如下表1所示
表1用于种植结构优化的基础数据
在优化过程中，以种植结构面积转移造成的净温室气体排放量为目标，该值为负值，则表明总温室气体排放量经过种植结构优化后会降低。决策变量为种植结构之间的转移量。限制条件为：(1)作物生产的限制。口粮的生产不会下降即种植结构转移引起的小麦和水稻的总热量变化量大于等于0；油料的生产不会下降即种植结构转移引起的花生，冬油菜和大豆的总热量变化量大于等于0；烤烟的产量不会增加即烤烟只能向其他种植系统转移而其他种植系统不会向烤烟转移；棉花的产量不会下降即只能其他种植系统向棉花转移，而棉花不会转到其他种植系统。(2)农业种植系统适宜性的限制。在河南省每个地级市内，不存在的农业种植系统不会出现。其他作物不会向单季稻转移。(3)耕地安全限制即保证种植结构转移的总面积等于原有的耕地总面积。(4)经济收益限制即种植结构转移引起的经济收益变化量大于等于0。(5)灌溉耗水限制即种植结构转移引起的灌溉耗水变化量小于等于0。
求解过程分为两步，两步的目标函数均是种植结构变化引起的净温室气体排放最小，但在第一步中的决策变量是所有满足条件的种植结构相互转移量。通过第一步可以确定哪种种植结构增加，哪种种植结构减少。第二步中，决策变量是第一步中减少的种植结构向第一步中增加的种植结构转移量。
在MATLAB中利用linprog函数可对线性规划模型进行快速求解，得出种植结构的相互转移量，以及转移后能够减少的净温室气体排放总量和灌溉耗水量，以及增加的经济收益和作物生产。结果参见附图2和3，图中显示了种植结构之间的转移，例如单季冬小麦的面积明显增加，而冬小麦-夏玉米的面积明显减少。
通过上述优化后净温室气体排放量由原有的3817.9*106kg CO2eq下降到3588.3*106kg CO2eq，下降幅度为6.0％。口粮和油料生产基本保持不变，棉花大幅度增加，经济基本保持不变，灌溉耗水总量下降了9.2％。
本发明采用农业系统模型和线性规划模型，综合多源数据和信息，开展农业种植系统评价和优化，同时兼顾农业生产系统的生产、环境和经济效益等多目标。本发明实施方案能够实现有益效果:1)针对某一地区气候环境条件，科学地决定最优的农作物种植结构，满足多目标。2)推动农业生产兼顾生产、环境和经济效益，促进农业可持续发展。3)推动地区农作物种植结构优化，减少农业生产投入和成本。
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，本说明书具体实施方式内容不应理解为对本发明的限制。
Claims (10)
1.一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法，包括如下步骤：
S1：获取研究区内多年的农业种植系统相关资料，包括该研究区内可选的农业种植系统、各农业种植系统的种植面积、产量，灌溉和施肥基础数据；
S2：根据研究区内作物实验观测资料，对各种经验或农业系统模型进行参数优化和验证，实现模型的本地化；
S3：根据经验或农业系统模型，计算研究区内所述可选的农业种植系统的在作物产量、环境和经济方面的指标表现，经济方面包括经济投入和产出，环境方面包括土壤有机碳、温室气体CO2，N2O和CH4的特征排放量；
S4：采用线性规划模型开展研究区内农业种植系统多目标优化，确定优化目标，以所述可选的农业种植系统的种植面积的相互转移量为变量，同时设置次要目标作为限制条件；以及
S5：利用线性规划模型求出最优解，即研究区满足上述多目标的最优的可选的农业种植系统的种植面积的转移量，从而确定各个作物的最终优化面积和调整的方向，实现农作物种植结构优化。
2.根据权利要求1所述的方法，其特征在于，以种植结构调整引起的净温室气体排放变化量最小为优化目标。
3.根据权利要求1所述的方法，其特征在于，次要目标包括作物产量、灌溉用水和经济收益改进或不受损。
4.根据权利要求1所述的方法，其特征在于，其中，所述经验和农业系统模型包括DNDC模型、CH4MOD模型，SRNM模型、DAYCENT或Soil-C模型、GCWM模型以及生命周期分析方法。
5.根据权利要求1所述的方法，其特征在于，所述农业种植系统选自水稻、棉花、甘蔗、烟草、小麦、甜菜、玉米、花生、大豆和油菜。
6.根据权利要求2所述的方法，其特征在于，S5步骤中，求解过程分为两个阶段，在第一阶段，确定每个地区的各农业种植系统的面积是增加还是减少，决策变量为各农业种植系统之间的转移面积；所有满足约束的农业种植系统可以相互转换；在第二阶段，决策变量为第一阶段中耕地面积减少的农业种植系统向耕地面积增加的农业种植系统的转换；第一阶段中面积增加的农业种植系统不转化为其他农业种植系统，而第一阶段中面积减少的农业种植系统转为其他农业种植系统。
7.根据权利要求6所述的方法，其特征在于，S4步骤中，设定的第一阶段目标函数如下：
其中，ΔTNGBc，opt表示种植结构变化引起的净温室气体排放总量的变化量，N表示研究区所述可选的农业种植系统数量，Ti，j，opt表示从农业种植系统i到农业种植系统j转移的耕地面积，作为该目标函数的决策变量，不满足限制条件的转移面积为0，ΔNGBi，j＝NGBj-NGBi表示由农业种植系统i到农业种植系统j转化后造成的单位净温室气体排放量；当i＝j时，单位属性的变化为0。
8.根据权利要求7所述的方法，其特征在于，第一阶段目标函数受到以下的条件限制：种植系统的适宜性、耕地安全限制、作物生产限制、经济收益限制以及灌溉耗水量限制。
9.根据权利要求6所述的方法，其特征在于，S4步骤中，设定的第二阶段目标函数如下：
其中，minTNGBc，opt表示最小的净温室气体排放量变化量，DeN表示在第一阶段中面积下降的农业种植系统的数量，N表示研究区所述可选的农业种植系统数量；Ti，j，opt表示从农业种植系统i到农业种植系统j转移的耕地面积，作为该目标函数的决策变量，不满足限制条件的转移面积为0；ΔNGBi，j＝NGBj-NGBi表示由农业种植系统i到农业种植系统j转化后造成的单位净温室气体排放量；当i＝j时，单位属性的变化为0。
10.根据权利要求9所述的方法，其特征在于，第一阶段目标函数受到以下的条件限制：种植系统的适宜性、耕地安全限制、作物生产限制、经济收益限制以及灌溉耗水量限制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111104607.0A CN113822479B (zh) | 2021-09-22 | 2021-09-22 | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111104607.0A CN113822479B (zh) | 2021-09-22 | 2021-09-22 | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113822479A true CN113822479A (zh) | 2021-12-21 |
| CN113822479B CN113822479B (zh) | 2022-08-16 |
Family
ID=78914974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111104607.0A Active CN113822479B (zh) | 2021-09-22 | 2021-09-22 | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822479B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114375665A (zh) * | 2022-01-17 | 2022-04-22 | 中国农业科学院农业资源与农业区划研究所 | 一种确定区域最优有机肥替代化肥比例及种养结合方法 |
| CN114781135A (zh) * | 2022-04-06 | 2022-07-22 | 中国科学院地理科学与资源研究所 | 一种区域农业种植系统净温室气体排放综合估算方法及系统 |
| CN116090639A (zh) * | 2023-01-17 | 2023-05-09 | 中国科学院地理科学与资源研究所 | 一种农业土地系统全过程温室气体排放的预测方法及装置 |
| CN116681315A (zh) * | 2023-08-03 | 2023-09-01 | 南京农业大学 | 温室气体净排放的估算方法、装置、设备和存储介质 |
| CN116777037A (zh) * | 2023-04-18 | 2023-09-19 | 中国农业大学 | 一种生态用水配水策略优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609686A (zh) * | 2017-08-25 | 2018-01-19 | 西安理工大学 | 一种砒砂岩区沙地农业开发利用适应性规模的确定方法 |
| CN110826797A (zh) * | 2019-11-04 | 2020-02-21 | 中国科学院地理科学与资源研究所 | 一种基于多目标综合评价体系确定研究区最佳农业种植系统的方法 |
| CN113177345A (zh) * | 2021-06-30 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种网格化作物种植布局优化方法 |
| US20210247544A1 (en) * | 2019-10-12 | 2021-08-12 | China Institute Of Water Resources And Hydropower Research | Method for forecasting an agricultural irrigation water requirement |
-
2021
- 2021-09-22 CN CN202111104607.0A patent/CN113822479B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609686A (zh) * | 2017-08-25 | 2018-01-19 | 西安理工大学 | 一种砒砂岩区沙地农业开发利用适应性规模的确定方法 |
| US20210247544A1 (en) * | 2019-10-12 | 2021-08-12 | China Institute Of Water Resources And Hydropower Research | Method for forecasting an agricultural irrigation water requirement |
| CN110826797A (zh) * | 2019-11-04 | 2020-02-21 | 中国科学院地理科学与资源研究所 | 一种基于多目标综合评价体系确定研究区最佳农业种植系统的方法 |
| CN113177345A (zh) * | 2021-06-30 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 一种网格化作物种植布局优化方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114375665A (zh) * | 2022-01-17 | 2022-04-22 | 中国农业科学院农业资源与农业区划研究所 | 一种确定区域最优有机肥替代化肥比例及种养结合方法 |
| CN114781135A (zh) * | 2022-04-06 | 2022-07-22 | 中国科学院地理科学与资源研究所 | 一种区域农业种植系统净温室气体排放综合估算方法及系统 |
| CN116090639A (zh) * | 2023-01-17 | 2023-05-09 | 中国科学院地理科学与资源研究所 | 一种农业土地系统全过程温室气体排放的预测方法及装置 |
| CN116777037A (zh) * | 2023-04-18 | 2023-09-19 | 中国农业大学 | 一种生态用水配水策略优化方法 |
| CN116777037B (zh) * | 2023-04-18 | 2024-01-30 | 中国农业大学 | 一种生态用水配水策略优化方法 |
| CN116681315A (zh) * | 2023-08-03 | 2023-09-01 | 南京农业大学 | 温室气体净排放的估算方法、装置、设备和存储介质 |
| CN116681315B (zh) * | 2023-08-03 | 2023-11-21 | 南京农业大学 | 温室气体净排放的估算方法、装置、设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113822479B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113822479B (zh) | 一种兼顾生产、环境和经济效益的区域农业种植结构多目标优化方法 | |
| Laborte et al. | Rice yields and yield gaps in Southeast Asia: past trends and future outlook | |
| Kucharik et al. | Residue, respiration, and residuals: Evaluation of a dynamic agroecosystem model using eddy flux measurements and biometric data | |
| Liu et al. | Modeling the role of irrigation in winter wheat yield, crop water productivity, and production in China | |
| Singh et al. | Evaluation of CERES-Wheat and CropSyst models for water–nitrogen interactions in wheat crop | |
| Godard et al. | Use of available information at a European level to construct crop nitrogen response curves for the regions of the EU | |
| Guo et al. | Plant growth and architectural modelling and its applications | |
| CN113177345B (zh) | 一种网格化作物种植布局优化方法 | |
| He et al. | Uncertainty in canola phenology modelling induced by cultivar parameterization and its impact on simulated yield | |
| CN110909933B (zh) | 一种耦合作物模型与机器学习语言的农业干旱快速诊断和评估方法 | |
| Sarkar et al. | Modeling nitrogen loss from switchgrass agricultural systems | |
| CN110826797B (zh) | 基于多目标综合评价体系确定最佳农业种植系统的方法 | |
| CN114254964B (zh) | 水稻区域气候品质评估方法及系统 | |
| Amiri et al. | Calibration and evaluation of CERES rice model under different nitrogen-and water-management options in semi-mediterranean climate condition | |
| CN115455086A (zh) | 一种灌区农业灌溉用水量的估算方法及系统 | |
| Hsiao et al. | A process-based model for leaf development and growth in hardneck garlic (Allium sativum) | |
| Balda et al. | The right crops in the right place for the food-energy nexus: Potential analysis on rice and wheat in Hokkaido using crop growth models | |
| Ribas et al. | An update of new flood-irrigated rice cultivars in the SimulArroz model | |
| McMaster et al. | Simulating unstressed crop development and growth using the unified plant growth model (UPGM) | |
| Aggarwal | Applications of systems simulation for understanding and increasing yield potential of wheat and rice | |
| Saseendran et al. | Evaluation of the CERES-Rice version 3.0 model for the climate conditions of the state of Kerala, India | |
| Tran | Modelling yield response to deficit irrigation by Aquacrop in the mekong Delta, Vietnam | |
| Kumar et al. | Optimum sowing dates for soybean in central India using CROPGRO and ClimProb symbiosis | |
| Kunz et al. | Water use and yield of soybean and grain sorghum for biofuel production | |
| Guerra et al. | Determination of cultivar coefficients for the CSM-CROPGRO-Peanut model using variety trial data |
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 |