CN114818302A - 一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 - Google Patents
一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 Download PDFInfo
- Publication number
- CN114818302A CN114818302A CN202210403337.1A CN202210403337A CN114818302A CN 114818302 A CN114818302 A CN 114818302A CN 202210403337 A CN202210403337 A CN 202210403337A CN 114818302 A CN114818302 A CN 114818302A
- Authority
- CN
- China
- Prior art keywords
- soil
- water
- risk
- model
- erosion
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 130
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000033228 biological regulation Effects 0.000 title claims abstract description 26
- 241000039077 Copula Species 0.000 claims abstract description 30
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 23
- 238000004162 soil erosion Methods 0.000 claims abstract description 21
- 238000013439 planning Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 18
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 230000006872 improvement Effects 0.000 claims abstract description 16
- 239000002253 acid Substances 0.000 claims abstract description 15
- 238000005536 corrosion prevention Methods 0.000 claims abstract description 15
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 14
- 230000020477 pH reduction Effects 0.000 claims abstract description 14
- 238000005315 distribution function Methods 0.000 claims abstract description 12
- 235000015097 nutrients Nutrition 0.000 claims abstract description 7
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 238000012546 transfer Methods 0.000 claims abstract description 4
- 239000003621 irrigation water Substances 0.000 claims description 21
- 230000008901 benefit Effects 0.000 claims description 19
- -1 hydrogen ions Chemical class 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 11
- 239000003337 fertilizer Substances 0.000 claims description 9
- 239000001257 hydrogen Substances 0.000 claims description 9
- 229910052739 hydrogen Inorganic materials 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000010902 straw Substances 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 229910052757 nitrogen Inorganic materials 0.000 claims description 6
- 238000004062 sedimentation Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 206010011971 Decreased interest Diseases 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000004178 biological nitrogen fixation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000004927 clay Substances 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- SPIFDSWFDKNERT-UHFFFAOYSA-N nickel;hydrate Chemical compound O.[Ni] SPIFDSWFDKNERT-UHFFFAOYSA-N 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 235000021049 nutrient content Nutrition 0.000 claims description 3
- 239000005416 organic matter Substances 0.000 claims description 3
- 239000006174 pH buffer Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 239000002344 surface layer Substances 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000002262 irrigation Effects 0.000 claims description 2
- 238000003973 irrigation Methods 0.000 claims description 2
- 230000002195 synergetic effect Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000013468 resource allocation Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000012773 agricultural material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 235000019801 trisodium phosphate Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
Abstract
本发明公开了一种提效‑减排‑控酸‑防蚀的水土资源随机动态调控与风险规避方法。包括以下步骤:S1:采用基于养分输入‑输出平衡的农田土壤酸化模型,农业剩余物理论潜力模型和土壤侵蚀的RUSLE模型分别量化土壤酸度、土壤有机碳、土壤侵蚀量;S2:创建土壤酸化‑固碳‑侵蚀协同提升连乘模型;S3:采用三维Copula函数构建降水、径流、需水随机变量的联合分布函数,确定联合发生概率;S4:创建农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型;S5:综合S2和S4所述模型,考虑供水和风险约束条件,构成非线性多目标随机动态规划模型。本发明充分考虑了农业水土资源管理中的不确定性,保证了不确定条件下农业水土资源配置的公平性。
Description
技术领域
本发明创造属于农业水土资源可持续管理领域,尤其涉及一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法。
背景技术
灌溉农业是世界上淡水的主要使用部门,水资源供应减少和水质恶化正逐渐成为一个全球性问题,也限制了社会经济的发展。对于农业部门的资源优化配置,越多的水量或土地分配意味着产出更大的经济效益。农业水土资源合理配置是提高农业水资源利用效率和实现农业水土资源可持续利用的有效调控措施,而低效的水资源利用模式也加剧了农业用水管理系统中供需水之间的矛盾。在农业资源管理系统中,决策者在面临供需水的多重不确定的条件下做出管理决策,比如降雨、径流的不确定性,这些不确定性为农业部门带来风险。农业水土资源受来水流量水平影响严重,在枯水期可能会面临由缺水导致的水量或耕地面积减少的风险,从而造成经济损失。适当的降低水土资源配置目标也可以降低了损失风险,但同时效益也会相应的减少。与此同时,为保障粮食安全,大量的提高土地集约化利用以及加大农资投入量以提高粮食产量,极大的破坏了农业土壤环境。如何通过建立优化模型来平衡农业水土资源管理中的效益与水土缺乏损失风险,同时保护农业土壤环境,是农业水土资源管理者需要考虑的问题。因此,农业的水土资源合理配置对综合评价农业系统的整体经济、环境效益具有至关重要的地位。
目前在农业水土资源的可持续管理实践中,已经有一些研究成果。如采用区间两阶段随机规划的方法进行资源配置,并在优化模型中引入随机模糊变量来耦合不确定性。但在以往的研究中,未能考虑农业水土资源分配中不确定因素带来的风险,以及不同配置方案下对农业土壤环境的影响,因此,亟需一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法。
发明内容
本发明创造的目的就是针对上述现有技术存在的缺陷,提供一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法,本发明创造的技术方案是这样实现的:
S1:采用基于养分输入-输出平衡的农田土壤酸化模型,农业剩余物理论潜力模型和土壤侵蚀的RUSLE模型分别量化土壤酸度、土壤有机碳、土壤侵蚀量;
所述的基于养分输入-输出平衡的农田土壤酸化模型中土壤酸化程度的具体公式表示如下:
式中,SA是土壤酸化程度;和分别是氢离子的投入量和移除量; 分别代表化肥、种子、灌溉用水、生物固氮、大气沉降的氢离子输入量;分别代表作物收获的籽粒、秸秆、气体损失、淋溶和径流、土壤累积过程中的氢离子的输出量;Dfer,ic、Dseed,ic、IQic分别代表化肥、种子、灌溉水的用量(kg/hm2);NIfer、NIseed、NIwater、NIstraw,c分别是化肥、种子、灌溉用水、秸秆的养分含量(%);SNc是土壤年均固氮量;ADc平均氮沉降量;ΔpH为pH随时间段的变化;pHBC为时间段结束时土壤的pH缓冲容量(mol H+kg-1pH unit-1);BD为土壤的体密度(kg m-3);V为单位面积土壤体积(m3hm2);TP为时间周期(年);
所述的农业剩余物理论潜力模型中土壤有机碳表示为全部的地下剩余物和部分地上剩余物的量,计算公式如下:
SOC=ARe×RFic+BRe
式中,ARe是地上剩余物量(kg);BRe是地下剩余物量(kg);RPc是草谷比,RSc是根冠比,RFic是地上剩余物的保留系数;
所述的土壤侵蚀的RUSLE模型中土壤侵蚀量的公式为:
SE=R×K×L×S×C×P
式中,SE为土壤侵蚀模数(t hm-2a-1);R为降雨量侵蚀力因子(MJ mm hm-2h-1a-1);K为土壤可蚀性因子(t hm2h MJ-1mm-1hm-2);L为坡长因子(无量纲);S为坡度因子(无量纲);C是植被覆盖因子(无量纲);P是水土保持措施因子(无量纲);
降雨量侵蚀力因子:
土壤可蚀性因子:
式中,SAN代表地下粉砂组分(0.050–2.000mm直径)(%),SIL代表地下粉砂组分(0.002–0.050mm直径)(%),CLA代表地下粘土组分(较小直径大于0.002mm)(%),C表示有机物的表层碳含量(%);0.1317为转换系数;
坡长因子和坡度因子:
式中,θ为边坡落差角,λ为边坡长度,α为边坡长度指数,β为边坡侵蚀与边坡间侵蚀的比值;
植被覆盖因子:
式中,f为植被覆盖率,NDVImax和NDVImin分别为研究区域内NDVI的最大值和最小值,以避免异常值;NDVI积累频率的上阈值和下阈值分别近似等于NDVI的最大值和最小值,置信水平为5%;
水土保持措施因子P,P指的是特定支撑方式下的土壤流失与直行栽培中上下坡度的相应流失之比,其数值范围为0.01到1;作为有效的水土保持措施之一,P值在空间上有一定的差异,这是由不同地区的气候条件、地形、土壤质地和其他条件的差异造成的。
S2:创建土壤酸化-固碳-侵蚀协同提升连乘模型;
式中,SD是考虑m个性能指标的几何平均值可持续度,对于本发明,M=3,ψ1=υ(SOC)、ψ2=υ(SA)、ψ3=υ(SE)分别是标准化后的土壤有机碳(SOC)、土壤酸度(SA)、土壤侵蚀量(SE);
对于SOC来说,指标越大越好,其标准化计算如下:
对于SA、SE,指标越小越好,其标准化计算如下:
其中(·)max和(·)min分别代表指标(·)的最大值和最小值。
S3:采用三维Copula函数构建降水、径流、需水随机变量的联合分布函数,确定联合发生概率;其中,三维Copula函数C(x,y,z)为:
式中,X,Y,Z分别为连续的降水、径流和ET0随机变量,其边缘分布函数分别为FX,FY和FZ,C(x,y,z)为变量X,Y,Z的联合分布函数。
利用极大似然法对Copula进行参数估计,对于拟定的Copula函数需要进行优劣程度判断。选取Clayton Copula,Frank Copula,Gumbel Copula和Ali-Mikhail-Haq Copula几种联结函数构造变量之间的相关性。
其中,Clayton copula表达式为:
C(u,v,ν)=(u-θ+v-θ-2)-1/θ
Frank copula表达式为:
Gumbel copula表达式为:
C(u,v,ν)=exp[-((-1nu)θ+(-1nv)θ+(-1nν)θ)1/θ]
Ali-Mikhail-Haq copula表达式为:
式中,C(u,v,ν)是三维Copula函数;θ为待定参数,
在对种植区的三维水文变量联合分布频率与联合实测样本进行拟合检验时,采用平方欧氏距离进行计算。平方欧氏距离为经验分布的实际值与理论值之差的平方累加和,其值越小,说明该概率模型的拟合效果越好,表达式如下:
设(xi,yi,zi)(i=1,2…,n)为取自三维总体(X,Y,Z)的样本,则定义样本的经验Copula如下其中,I[]为示性函数,当FX≤u,否则d2值越小,说明拟合度越高。因此,可以根据Copula函数确定了降雨、径流和ET0的联合分布函数。
S4:创建农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型,所述的风险连乘模型为:
式中,Yic是作物实际产量(kg/hm2);Yic,max是作物最大产量;ET是作物蒸发蒸腾量(mm);ETmax是作物潜在蒸发蒸腾量(mm),λr是不同生育期作物的水分敏感指数,反映不同阶段缺水对产量的影响程度,f(eco)是农业经济效益(元);i代表种植区;c代表作物类型;Pic是作物售出价格(元/kg),Cic是作物种植成本(元/kg);ph是流量水平h的发生概率;Aich是不同流量水平下的作物种植面积(hm2);Q(Aich,ξh)是不同ph条件下不满足Aich的系统惩罚,λ为其中为决策者根据其风险偏好指定的风险系数;η为辅助决策变量,表示置信水平α下的VaR值;Vh是辅助决策变量,用于计算在第h级流量下的CVaR值;
S5:综合S2中的土壤酸化-固碳-侵蚀协同提升连乘模型与S4中的农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型,考虑供水和风险约束条件,构成具有提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避的非线性多目标随机动态规划模型,所述模型包括两个目标函数:
(1)农业经济效益目标
(2)农业土壤环境可持续指数目标
模型的约束条件包括以下几个方面:
(1)供水能力约束
各种植区作物的灌溉水量不得超过各流量水平下可利用水量。一般来说,没有具体的数据资料,说明每个分区在每个流量水平下的地表水可用性。但根据当地的规划报告,可以得到每个分区在每个流量水平下的灌溉水可利用量。机会随机规划CCP可以处理有效灌溉水量在允许水平内变化时,最优的水量分配方案如何变化。CCP要求在给定的概率水平下,按比例满足所有的约束条件。CCP的具体形式如下:
式中,IQic是作物单位面积灌溉水量(m3/hm2);Pr{}是CCP约束;qv是CCP约束的违规概率;Qih是流量水平h下i分区的可利用水总量(m3)。
(2)土地政策约束
Aich,min≤Aich≤Aich,max
式中,Aich,min,Aich,min分别是作物允许的最大、最小种植面积。
(3)风险约束
风险约束对应于嵌入了经济效益损失函数的经济效益损失风险目标。经济效率损失函数可以定义为经济回报除以最大潜在经济回报。
Lh(IQich)-ξα-Vh≤0
式中,Lh(IQich)是利益损失函数;ξα置信水平为1-α的最大经济效率损失。
采用最小偏差法求解多目标优化模型:
式中,f(·)max,f(·)min分别为极大化的农业经济效益和农业土壤环境可持续指数的最大期望值和最小期望值。
与现有技术相比,本发明创造的优点在于:本发明利用三维copula函数耦合了多种因素,充分考虑了农业水土资源管理中降雨、径流、作物需水三种水文的不确定性;利用两阶段随机规划解决了水文不确定性对农业水土资源最优决策补偿的随机规划问题;利用机会随机规划CCP处理了不同违规概率下的供水约束;本发明对水文不确定性进行了风险管理,构建了基于作物水分生产函数和两阶段随机规划的农业水土资源优化配置连乘模型,保证了不确定条件下农业水土资源配置的公平性;本发明利用连乘模型突破了以往仅对单一因素的考虑,将土壤酸化、土壤侵蚀、土壤固碳量耦合在同一土壤酸化-固碳-侵蚀协同提升目标中。
附图说明
图1是一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法的流程示意图;
具体实施方式
S1:采用基于养分输入-输出平衡的农田土壤酸化模型,农业剩余物理论潜力模型和土壤侵蚀的RUSLE模型分别量化土壤酸度、土壤有机碳、土壤侵蚀量;
所述的基于养分输入-输出平衡的农田土壤酸化模型中土壤酸化程度的具体公式表示如下:
式中,SA是土壤酸化程度;和分别是氢离子的投入量和移除量; 分别代表化肥、种子、灌溉用水、生物固氮、大气沉降的氢离子输入量;分别代表作物收获的籽粒、秸秆、气体损失、淋溶和径流、土壤累积过程中的氢离子的输出量;Dfer,ic、DsEed,ic、IQic分别代表化肥、种子、灌溉水的用量(kg/hm2);NIfer、NIseed、NIwater、NIstraw,c分别是化肥、种子、灌溉用水、秸秆的养分含量(%);SNc是土壤年均固氮量;ADc平均氮沉降量;ΔpH为pH随时间段的变化;pHBC为时间段结束时土壤的pH缓冲容量(mol H+kg-1pH unit-1);BD为土壤的体密度(kg m-3);V为单位面积土壤体积(m3hm2);TP为时间周期(年);
所述的农业剩余物理论潜力模型中土壤有机碳表示为全部的地下剩余物和部分地上剩余物的量,计算公式如下:
SOC=ARe×RFic+BRe
式中,ARe是地上剩余物量(kg);BRe是地下剩余物量(kg);RPc是草谷比,RSc是根冠比,RFic是地上剩余物的保留系数;
所述的土壤侵蚀的RUSLE模型中土壤侵蚀量的公式为:
SE=R×K×L×S×C×P
式中,SE为土壤侵蚀模数(t hm-2a-1);R为降雨量侵蚀力因子(MJ mm hm-2h-1a-1);K为土壤可蚀性因子(t hm2h MJ-1mm-1hm-2);L为坡长因子(无量纲);S为坡度因子(无量纲);C是植被覆盖因子(无量纲);P是水土保持措施因子(无量纲);
降雨量侵蚀力因子:
土壤可蚀性因子:
式中,SAN代表地下粉砂组分(0.050–2.000mm直径)(%),SIL代表地下粉砂组分(0.002–0.050mm直径)(%),CLA代表地下粘土组分(较小直径大于0.002mm)(%),C表示有机物的表层碳含量(%);0.1317为转换系数;
坡长因子和坡度因子:
式中,θ为边坡落差角,λ为边坡长度,α为边坡长度指数,β为边坡侵蚀与边坡间侵蚀的比值;
植被覆盖因子:
式中,f为植被覆盖率,NDVImax和NDVImin分别为研究区域内NDVI的最大值和最小值,以避免异常值;NDVI积累频率的上阈值和下阈值分别近似等于NDVI的最大值和最小值,置信水平为5%;
水土保持措施因子P,P指的是特定支撑方式下的土壤流失与直行栽培中上下坡度的相应流失之比,其数值范围为0到1;作为有效的水土保持措施之一,P值在空间上有一定的差异,这是由不同地区的气候条件、地形、土壤质地和其他条件的差异造成的。
S2:创建土壤酸化-固碳-侵蚀协同提升连乘模型;
式中,SD是考虑m个性能指标的几何平均值可持续度,对于本发明,M=3,ψ1=υ(SOC)、ψ2=υ(SA)、ψ3=υ(SE)分别是标准化后的土壤有机碳(SOC)、土壤酸度(SA)、土壤侵蚀量(SE);
对于SOC来说,指标越大越好,其标准化计算如下:
对于SA、SE,指标越小越好,其标准化计算如下:
其中(·)max和(·)min分别代表指标(·)的最大值和最小值。
S3:采用三维Copula函数构建降水、径流、需水随机变量的联合分布函数,确定联合发生概率;其中,三维Copula函数C(x,y,z)为:
式中,X,Y,Z分别为连续的降水、径流和ET0随机变量,其边缘分布函数分别为FX,FY和FZ,C(x,y,z)为变量X,Y,Z的联合分布函数。
利用极大似然法对Copula进行参数估计,对于拟定的Copula函数需要进行优劣程度判断。选取Clayton Copula,Frank Copula,Gumbel Copula和Ali-Mikhail-Haq Copula几种联结函数构造变量之间的相关性。
其中,Clayton copula表达式为:
C(u,v,ν)=(u-θ+v-θ+v-θ-2)-1/θ
Frank copula表达式为:
Gumbel copula表达式为:
C(u,v,ν)=exp[-((-1nu)θ+(-1nv)θ+(-1nν)θ)1/θ]
Ali-Mikhail-Haq copula表达式为:
式中,C(u,v,ν)是三维Copula函数;θ为待定参数,
在对种植区的三维水文变量联合分布频率与联合实测样本进行拟合检验时,采用平方欧氏距离进行计算。平方欧氏距离为经验分布的实际值与理论值之差的平方累加和,其值越小,说明该概率模型的拟合效果越好,表达式如下:
设(xi,yi,zi)(i=1,2…,n)为取自三维总体(X,Y,Z)的样本,则定义样本的经验Copula如下其中,I[]为示性函数,当FX≤u,否则d2值越小,说明拟合度越高。因此,可以根据Copula函数确定了降雨、径流和ET0的联合分布函数。
S4:创建农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型。
首先建立Jensen模型作物水分生产函数,反映了作物产量与需水情况之间的函数关系,具体形式如下:
式中,Yic是作物实际产量(kg/hm2);Yic,max是作物最大产量;ET是作物蒸发蒸腾量(mm);ETmax是作物潜在蒸发蒸腾量(mm),λr是不同生育期作物的水分敏感指数,反映不同阶段缺水对产量的影响程度。
两阶段随机规划TSP(Two-stage stochastic programming)方法是一种在随机事件不确定的情况下,先进行第一阶段的决策,当随机事件确定之后,在进行第二阶段的决策来减少系统的惩罚损失。TSP的一般形式如下:
maxf=cx-E[Q(x,ξ)]
Ax≤b
x≥0
式中,x为第一阶段决策变量,ξ∈R为随机变量,Q(x,ξ)是下述非线性规划的最优值。
min q(y,ξ)
W(ξ)y=h(ξ)-T(ξ)x
y≥0
式中,y为第二阶段的决策变量,与随机事件发生与否有关,q(y,ξ)代表第二阶段的花费函数,其中{T(ξ),W(ξ),h(ξ)|ξ∈Ω}为随机变量ξ的函数。再随机事件发生之前,进行第一阶段决策,随后,当随机事件发生了,在满足W(ξ)y=h(ξ)-T(ξ)x,y≥0的情况下,差异可能会在h(ξ)和T(ξ)x之间产生已达到最小化q(y,ξ)的目的,从而会产生一些损失。因此TSP可以被写成:
max f=cx-E[min q(y,ξ)x+W(ξ)y=h(ξ)]
Ax≤b
x≥0
由于随机变量连续性的概率分布很难在优化模型中被定量表征。
因此,结合TSP的农业经济管理优化模型可以表示为:
式中,f(eco)是农业经济效益(元);i代表种植区;c代表作物类型;Pic是作物售出价格(元/kg),Cic是作物种植成本(元/kg);ph是流量水平h的发生概率;Aich是不同流量水平下的作物种植面积(hm2);Q(Aich,ξh)是不同ph条件下不满足Aich的系统惩罚。
CVaR水资源配置公平性模型可以帮助衡量农业水资源分配不同置信水平下系统经济和预期损失之间的权衡风险,以尽量减少经济效益风险。在灌溉用水分配过程中,可利用水量是不确定性的主要来源,从而产生经济效率损失的风险。一般来说,高风险与高回报呈正相关,但同时会造成高损失。因为如果实际的水的可利用量较少,实际效益比预期的将低于预期的收益。因此,经济效率损失风险控制是一种有效和可行的解决方案,条件风险阈值(CVaR)可用于塑造经济效益损失风险。CVaR被于经济决策中风险规避的投资组合选择。CVaR是当损失超过风险值α时的条件期望值,可以表示为:
CVaR(Z)=E(Z|Z≥VaRα(Z))
式中,Z为随机变量;α为预定义的置信水平,α∈[0,1];VaRα(Z)为置信水平α下的风险值,表示为表示inf{η∈R;FZ(η)≥}随机变量Z的累积分布函数FZ()。为便于计算,置信水平为α的CVaR可表示为:
Z-η|+=max{0,Z-η},and(Z-η)∈R
因此,农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型可以表示如下:
式中,Yic是作物实际产量(kg/hm2);Yic,max是作物最大产量;ET是作物蒸发蒸腾量(mm);ETmax是作物潜在蒸发蒸腾量(mm),λr是不同生育期作物的水分敏感指数,反映不同阶段缺水对产量的影响程度,f(eco)是农业经济效益(元);i代表种植区;c代表作物类型;Pic是作物售出价格(元/kg),Cic是作物种植成本(元/kg);ph是流量水平h的发生概率;Aich是不同流量水平下的作物种植面积(hm2);Q(Aich,ξh)是不同ph条件下不满足Aic的系统惩罚,λ为其中为决策者根据其风险偏好指定的风险系数;η为辅助决策变量,表示置信水平α下的VaR值;Vh是辅助决策变量,用于计算在第h级流量下的CVaR值;
S5:综合S2中的土壤酸化-固碳-侵蚀协同提升连乘模型与S4中的农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型,考虑供水和风险约束条件,构成具有提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避的非线性多目标随机动态规划模型,所述模型包括两个目标函数:
(1)农业经济效益目标
(2)农业土壤环境可持续指数目标
模型的约束条件包括以下几个方面:
(1)供水能力约束
各种植区作物的灌溉水量不得超过各流量水平下可利用水量。一般来说,没有具体的数据资料,说明每个分区在每个流量水平下的地表水可用性。但根据当地的规划报告,可以得到每个分区在每个流量水平下的灌溉水可利用量。机会随机规划CCP可以处理有效灌溉水量在允许水平内变化时,最优的水量分配方案如何变化。CCP要求在给定的概率水平下,按比例满足所有的约束条件。CCP的具体形式如下:
式中,IQic是作物单位面积灌溉水量(m3/hm2);Pr{}是CCP约束;qv是CCP约束的违规概率;Qih是流量水平h下i分区的可利用水总量(m3)。
(2)土地政策约束
Aich,min≤Aich≤Aich,max
式中,Aich,min,Aich,min分别是作物允许的最大、最小种植面积。
(3)风险约束
风险约束对应于嵌入了经济效益损失函数的经济效益损失风险目标。经济效率损失函数可以定义为经济回报除以最大潜在经济回报。
Lh(IQich)-ξα-Vh≤0
式中,Lh(IQich)是利益损失函数;ξα置信水平为1-α的最大经济效率损失。
采用最小偏差法求解多目标优化模型:
式中,f(·)max,f(·)min分别为极大化的农业经济效益和农业土壤环境可持续指数的最大期望值和最小期望值。
最终得到,充分考虑了经济效益、环境效益条件下的农业水土资源配置的最优决策。
Claims (7)
1.一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法,其特征在于,包含如下步骤:
S1:采用基于养分输入-输出平衡的农田土壤酸化模型,农业剩余物理论潜力模型和土壤侵蚀的RUSLE模型分别量化土壤酸度、土壤有机碳、土壤侵蚀量;
S2:创建土壤酸化-固碳-侵蚀协同提升连乘模型;
S3:采用三维Copula函数构建降水、径流、需水随机变量的联合分布函数,确定联合发生概率;
S4:创建农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型,所述的风险连乘模型为:
式中,Yic是作物实际产量(kg/hm2);Yic,max是作物最大产量;ET是作物蒸发蒸腾量(mm);ETmax是作物潜在蒸发蒸腾量(mm),λr是不同生育期作物的水分敏感指数,反映不同阶段缺水对产量的影响程度,f(eco)是农业经济效益(元);i代表种植区;c代表作物类型;Pic是作物售出价格(元/kg),Cic是作物种植成本(元/kg);ph是流量水平h的发生概率;Aich是不同流量水平下的作物种植面积(hm2);Q(Aich,ξh)是不同ph条件下不满足Aich的系统惩罚,λ为其中为决策者根据其风险偏好指定的风险系数;η为辅助决策变量,表示置信水平α下的VaR值;Vh是辅助决策变量,用于计算在第h级流量下的CVaR值;
S5:综合S2中的土壤酸化-固碳-侵蚀协同提升连乘模型与S4中的农业水土资源动态调控与风险管理的两阶段随机规划条件风险连乘模型,考虑供水和风险约束条件,构成具有提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避的非线性多目标随机动态规划模型,所述模型包括两个目标函数:
(1)农业经济效益目标
(2)农业土壤环境可持续指数目标
采用隶属度函数方法求解模型。
2.根据权利要求1所述的一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法,其特征在于:S1中所述的基于养分输入-输出平衡的农田土壤酸化模型中土壤酸化程度的具体公式表示如下:
式中,SA是土壤酸化程度;和分别是氢离子的投入量和移除量; 分别代表化肥、种子、灌溉用水、生物固氮、大气沉降的氢离子输入量;分别代表作物收获的籽粒、秸秆、气体损失、淋溶和径流、土壤累积过程中的氢离子的输出量;Dfer,ic、Dseed,ic、IQic分别代表化肥、种子、灌溉水的用量(kg/hm2);NIfer、NIseed、NIwater、NIstrraw,c分别是化肥、种子、灌溉用水、秸秆的养分含量(%);SNc是土壤年均固氮量;ADc平均氮沉降量;ΔpH为pH随时间段的变化;pHBC为时间段结束时土壤的pH缓冲容量(molH+kg-1pH unit-1);BD为土壤的体密度(kgm-3);V为单位面积土壤体积(m3hm2);TP为时间周期(年);
S1中所述的农业剩余物理论潜力模型中土壤有机碳表示为全部的地下剩余物和部分地上剩余物的量,计算公式如下:
SOC=ARe×RFic+BRe
式中,ARe是地上剩余物量(kg);BRe是地下剩余物量(kg);RPc是草谷比,RSc是根冠比,RFic是地上剩余物的保留系数;
S1中所述的土壤侵蚀的RUSLE模型中土壤侵蚀量的公式为:
SE=R×K×L×S×C×P
式中,SE为土壤侵蚀模数(t hm-2a-1);R为降雨量侵蚀力因子(MJ mm hm-2h-1a-1);K为土壤可蚀性因子(thm2h MJ-1mm-1hm-2);L为坡长因子(无量纲);S为坡度因子(无量纲);C是植被覆盖因子(无量纲);P是水土保持措施因子(无量纲);
降雨量侵蚀力因子:
土壤可蚀性因子:
式中,SAN代表地下粉砂组分(0.050-2.000mm直径)(%),SIL代表地下粉砂组分(0.002-0.050mm直径)(%),CLA代表地下粘土组分(较小直径大于0.002mm)(%),C表示有机物的表层碳含量(%);0.1317为转换系数;
坡长因子和坡度因子:
式中,θ为边坡落差角,λ为边坡长度,α为边坡长度指数,β为边坡侵蚀与边坡间侵蚀的比值;
植被覆盖因子:
式中,f为植被覆盖率,NDVImax和NDVImin分别为研究区域内NDVI的最大值和最小值,以避免异常值;NDVI积累频率的上阈值和下阈值分别近似等于NDVI的最大值和最小值,置信水平为5%;
水土保持措施因子P,P指的是特定支撑方式下的土壤流失与直行栽培中上下坡度的相应流失之比,其数值范围为0到1;作为有效的水土保持措施之一,P值在空间上有一定的差异,这是由不同地区的气候条件、地形、土壤质地和其他条件的差异造成的。
5.根据权利要求1所述的一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法,其特征在于:S3中所述的三维Copula函数利用极大似然法进行参数估计,对于拟定的Copula函数需要进行优劣程度判断,其中,在对种植区的三维水文变量联合分布频率与联合实测样本进行拟合检验时,采用平方欧氏距离进行计算;平方欧氏距离为经验分布的实际值与理论值之差的平方累加和,其值越小,说明该概率模型的拟合效果越好。
6.根据权利要求1所述的一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法,其特征在于:S5中所述的具有提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避的非线性多目标随机动态规划模型包括以下几个方面的约束条件:
(1)供水能力约束
各种植区作物的灌溉水量不得超过各流量水平下可利用水量。根据当地的规划报告,可以得到每个分区在每个流量水平下的灌溉水可利用量;机会随机规划CCP(chance-constrained programming)可以处理有效灌溉水量在允许水平内变化时,最优的水量分配方案如何变化;CCP要求在给定的概率水平下,按比例满足所有的约束条件,CCP的具体形式如下:
式中,IQic是作物单位面积灌溉水量(m3/hm2);Pr{}是CCP约束;qv是CCP约束的违规概率;Qih是流量水平h下i分区的可利用水总量(m3);
(2)土地政策约束
Aich,min≤Aich≤Aich,max
式中,Aich,min,Aich,min分别是作物允许的最大、最小种植面积;
(3)风险约束
风险约束对应于嵌入了经济效益损失函数的经济效益损失风险目标,所述经济效益损失函数定义为经济回报除以最大潜在经济回报:
Lh(IQich)-ξα-Vh≤0
式中,Lh(IQich)是利益损失函数;ξα置信水平为1-α的最大经济效率损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210403337.1A CN114818302A (zh) | 2022-04-18 | 2022-04-18 | 一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210403337.1A CN114818302A (zh) | 2022-04-18 | 2022-04-18 | 一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114818302A true CN114818302A (zh) | 2022-07-29 |
Family
ID=82537583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210403337.1A Pending CN114818302A (zh) | 2022-04-18 | 2022-04-18 | 一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114818302A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166211A (zh) * | 2022-09-08 | 2022-10-11 | 北京江河惠远科技有限公司 | 输电线路全地形土壤侵蚀模数的自动计算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180181893A1 (en) * | 2015-05-14 | 2018-06-28 | Board Of Trustees Of Michigan State University | Methods and systems for crop land evaluation and crop growth management |
CN110334314A (zh) * | 2019-06-24 | 2019-10-15 | 华中科技大学 | 一种基于条件降维重构的日径流季节性随机模拟方法 |
CN113191543A (zh) * | 2021-04-27 | 2021-07-30 | 西安理工大学 | 考虑水资源供需过程关联性与随机性的水库优化调度方法 |
CN113313296A (zh) * | 2021-05-19 | 2021-08-27 | 南昌大学 | 一种基于rusle的区域土壤侵蚀定量评价方法 |
CN114185960A (zh) * | 2021-11-22 | 2022-03-15 | 中国市政工程华北设计研究总院有限公司 | 一种基于Copula函数的城镇水、能源与环境系统的优化决策管理方法 |
-
2022
- 2022-04-18 CN CN202210403337.1A patent/CN114818302A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180181893A1 (en) * | 2015-05-14 | 2018-06-28 | Board Of Trustees Of Michigan State University | Methods and systems for crop land evaluation and crop growth management |
CN110334314A (zh) * | 2019-06-24 | 2019-10-15 | 华中科技大学 | 一种基于条件降维重构的日径流季节性随机模拟方法 |
CN113191543A (zh) * | 2021-04-27 | 2021-07-30 | 西安理工大学 | 考虑水资源供需过程关联性与随机性的水库优化调度方法 |
CN113313296A (zh) * | 2021-05-19 | 2021-08-27 | 南昌大学 | 一种基于rusle的区域土壤侵蚀定量评价方法 |
CN114185960A (zh) * | 2021-11-22 | 2022-03-15 | 中国市政工程华北设计研究总院有限公司 | 一种基于Copula函数的城镇水、能源与环境系统的优化决策管理方法 |
Non-Patent Citations (2)
Title |
---|
付强;王珊珊;李天霄;: "考虑水资源短缺风险的不确定性水资源优化配置", 东北农业大学学报, no. 10, 25 October 2018 (2018-10-25) * |
孔祥铭;郝振达;曾雪婷;黄国和;: "基于模糊条件风险价值的水资源系统规划模型", 人民黄河, no. 02, 16 February 2016 (2016-02-16) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115166211A (zh) * | 2022-09-08 | 2022-10-11 | 北京江河惠远科技有限公司 | 输电线路全地形土壤侵蚀模数的自动计算方法及系统 |
CN115166211B (zh) * | 2022-09-08 | 2022-11-22 | 北京江河惠远科技有限公司 | 输电线路全地形土壤侵蚀模数的自动计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Solow et al. | The value of improved ENSO prediction to US agriculture | |
Williams et al. | A modeling approach to determining the relationship between erosion and soil productivity | |
Williams et al. | Assessments of soil erosion and crop productivity with process models (EPIC) | |
Martínez-Casasnovas et al. | The cost of soil erosion in vineyard fields in the Penedès–Anoia Region (NE Spain) | |
US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
Van Kooten et al. | Valuing trade‐offs between net returns and stewardship practices: The case of soil conservation in Saskatchewan | |
CN113837666B (zh) | 一种基于改进作物水分指数的农业干旱评估方法 | |
Alemu et al. | Impacts of soil and water conservation on land suitability to crops: The case of Anjeni Watershed, Northwest Ethiopia | |
CN112837169A (zh) | 一种干旱过程网格化旱情综合监测、预警与评估方法 | |
CN114818302A (zh) | 一种提效-减排-控酸-防蚀的水土资源随机动态调控与风险规避方法 | |
CN113034302B (zh) | 一种农田尺度作物水分利用效率遥感评价方法 | |
Sachan et al. | Probability analysis of rainfall and crop water requirement using CROPWAT model for crop planning in a canal command of upper Bhima Basin of Maharashtra | |
Pandey | The economics of water harvesting and supplementary irrigation in the semi-arid tropics of India | |
Ndulue et al. | DRAINMOD simulation of drain spacing impact on canola yield in heavy clay soils in the Canadian prairies | |
Mandal et al. | Analyses of Rainfall and Soil Characteristics of Kuanria Canal Command for Water Resources Management | |
Schepers et al. | Integrated water and nitrogen management | |
Ogg et al. | A linear programing economic analysis of lake quality improvements using phosphorus buffer curves | |
Jung et al. | Predicting Changes in the Suitable Agro-climate Zone of Italian Ryegrass Cultivars with RCP 8.5 Climate Change Scenario | |
Laberdesque et al. | CHN: practical case of valorization of a dynamic crop model to estimate the number of available days for cultivation works | |
Doto et al. | Statistical Study of Dry Spells and Their Impact on Rainfed Corn in the Burkinabe Sahel | |
Olson et al. | A proposed method for measuring the effect of soil quality on productivity | |
Helin et al. | Model for quantifying the synergies between farmland biodiversity conservation and water protection at catchment scale | |
Coca et al. | Technical and economic efficiency of the drip irrigation system at SC Triticum SRL | |
Kamruzzaman et al. | Evaluating the Performance of APEX-Paddy Model using the Monitoring Data of Paddy Fields in Iksan, South Korea | |
Veres Jorda et al. | Estimating the Marginal Value of Irrigation Water at a Basin Through Agroeconomic Modelling: A Study in the Elqui Basin, Chile |
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 |