CN114897216A - 一种区域范围内畜禽养殖场粪肥利用优化方法 - Google Patents
一种区域范围内畜禽养殖场粪肥利用优化方法 Download PDFInfo
- Publication number
- CN114897216A CN114897216A CN202210360464.8A CN202210360464A CN114897216A CN 114897216 A CN114897216 A CN 114897216A CN 202210360464 A CN202210360464 A CN 202210360464A CN 114897216 A CN114897216 A CN 114897216A
- Authority
- CN
- China
- Prior art keywords
- manure
- transportation
- area
- farm
- farmland
- 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
- 210000003608 fece Anatomy 0.000 title claims abstract description 198
- 239000010871 livestock manure Substances 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 74
- 244000144972 livestock Species 0.000 title claims abstract description 60
- 244000144977 poultry Species 0.000 title claims abstract description 54
- 230000008901 benefit Effects 0.000 claims abstract description 159
- 238000005457 optimization Methods 0.000 claims abstract description 56
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 53
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000010586 diagram Methods 0.000 claims abstract description 28
- 230000002068 genetic effect Effects 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000000903 blocking effect Effects 0.000 claims abstract description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 42
- 239000003337 fertilizer Substances 0.000 claims description 35
- 229910052757 nitrogen Inorganic materials 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000004888 barrier function Effects 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 239000000618 nitrogen fertilizer Substances 0.000 claims description 12
- 238000013480 data collection Methods 0.000 claims description 11
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000006116 polymerization reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 abstract description 4
- 238000009395 breeding Methods 0.000 description 5
- 230000001488 breeding effect Effects 0.000 description 5
- 238000003912 environmental pollution Methods 0.000 description 5
- 230000002550 fecal effect Effects 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 239000003643 water by type Substances 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 235000021048 nutrient requirements Nutrition 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000003895 organic fertilizer Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于畜禽粪便处理技术领域,公开了一种区域范围内畜禽养殖场粪肥利用优化方法,区域范围内畜禽养殖场粪肥利用优化方法包括:数据收集与预处理;进行农田的层次聚类;基于Voronoi图的区域划分与分类;粪肥运输优化模型的构建;遗传算法求解。本发明以武汉市新洲区为例,建立了考虑经济与环境效益、畜禽养殖场的空间分布、农田对粪肥的消纳能力,以及水域、林地等特殊地形对粪肥运输的阻碍作用的运输优化模型;利用该模型一方面可以兼顾经济、环保两个方面优化区域内的粪肥运输分配方案,最大化保证粪肥在农田的利用;另一方面,本发明还考虑了特殊地形对运输的影响作用,进而分析了其对区域粪肥还田经济、环保效益的影响幅度。
Description
技术领域
本发明属于畜禽粪便处置及管理技术领域,尤其涉及一种区域范围内畜禽养殖场粪肥利用优化方法。
背景技术
目前,畜禽业在农业生产中的比例不断提升。据统计,每年养殖畜禽200 亿头只,粪污产生量高达30多亿吨。加快推进畜禽粪污资源化利用,不仅关系到居民生活的自然环境,也关系到畜禽养殖业的健康发展。
粪污还田具有良好的社会效益。首先,畜禽粪便还田对农田土壤有一定的改善作用,有利于提升土壤微生物多样性、降低稻粒中的镉(CD)和铅(Pb) 等重金属的积累;同时粪肥还田可以降低化肥的使用,间接增加农牧的经济效益。
但是在我国,特别是畜禽养殖密集区域,粪便供应经常超过农田农作物的养分需求,大量氮(N)、磷(P)元素随着粪便排放到环境中,一方面会造成环境污染,另外还会导致温室气体排放到环境中。
但实际上由于畜禽粪肥的低值性,导致其不便于长距离运输,在考虑经济的条件下,每个养殖场粪肥只能就近还田利用。特别是某个区域存在多个养殖场而周边农田面积不够时,如何兼顾经济效益、环境效益两方面,显得尤为总要。
当养殖场周边的农田面积不足以消纳养殖场粪肥时,为了更加合理和更大化的将粪肥还田利用,减少不合理利用导致的环境污染问题,需要建立一种合理的畜禽粪肥还田利用优化方法。
通过上述分析,现有技术存在的问题及缺陷为:
(1)在粪肥还田的过程中,不合理的粪肥转运不仅增加运输的能耗;而且还会因为转运成本的增加而不愿去还田利用,进而导致环境污染。
(2)现有的粪肥还田技术仅从技术上考虑了如何合理利用粪污,很少从农业经济效益与环保效益两方面去考虑。。
解决以上问题及缺陷的难度为:
当某个区域的养殖场较多,养殖量较大,而周边的农田分布不均或可供还田利用的农田面积不足时,如何最大化的还田利用畜禽养殖场的粪肥,且投入更少的成本,而尽量减少粪污还田对环境的污染,意义非常重大。
解决以上问题及缺陷的意义为:
1、提高畜禽养殖场和某个区域内的畜禽粪污资源化利用效率,降低养殖场粪污对周边环境污染风险。
2、减少粪肥还田过程中的运输成本,间接增加畜禽养殖场经济效益。
3、有利于结合优化的区域对经济与环保效益的具体需求调整粪污运输与消纳方案,以促进区域多方面效益的协调发展。
发明内容
针对现有技术存在的问题,本发明提供了一种区域范围内畜禽养殖场粪肥利用优化方法,尤其涉及一种兼顾区域内环境生态效益和综合经济效益的区域范围内畜禽养殖场粪肥利用优化方法。
本发明是这样实现的,一种区域范围内畜禽养殖场粪肥利用优化方法包括:数据收集与预处理:获取待处理地区土地利用遥感监测数据并进行水域与林地的经纬度数据的提取;
进行农田的层次聚类:利用层次聚类法计算聚合系数并分析变化规律;
基于Voronoi图的区域划分与分类:层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分;
粪肥运输优化模型的构建:对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
遗传算法求解:使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
进一步,所述数据收集与预处理包括:获取待处理地区土地利用遥感监测数据,所述数据是在土地利用遥感监测数据基础上,基于Landsat 8遥感影像,通过人工目视解译生成的1km栅格数据;将待处理地区的土地利用分类栅格数据从待处理地区所属省份土地利用分类栅格数据中裁剪出来,并获取待处理地区耕地与各类地形的经纬度坐标和面积;提取水域与林地的经纬度数据,确定特殊地形对粪肥运输经济效益指标的影响;同时依据前期调研的待处理地区所有畜禽养殖场的经纬度坐标及各养殖场全年的畜禽粪便收集量与使用量数据;所述水域包括河渠、湖泊和水库坑塘,所述林地包括林地和灌木。
进一步,所述农田的层次聚类包括:利用层次聚类法从最底层开始,每一次通过合并最相似的聚类来形成上一层次中的聚类,全部数据点都合并到一个类时算法结束;以待处理地区的所有养殖场为样本点、农场的经度和纬度数据为聚类基础,计算聚成1-100类时的聚合系数并观察变化规律,利用肘部准则确定系统聚类的类别数,进行系统聚类;完成后,搜索距离每片农田2km以内的养殖场与水域、林地并归到农田所属的类中,统计各类要素的基本分布情况。
进一步,所述基于Voronoi图的区域划分与分类中,根据设施的空间分布将Voronoi图连续空间划分为相应的势力范围;进行区域划分后,根据各区域的各要素分布情况分为农田养殖场密集型、水域或林地密集型两种类型。
进一步,所述构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型包括:
(1)代替化肥所需粪肥量,以氮元素计;
(2)粪肥还田经济效益分析;
(3)兼顾经济与环境效益的粪肥运输模型构建;
(4)阻碍系数的确定。
进一步,步骤(1)中,所述代替化肥所需粪肥量包括:采取粪肥替代氮肥的计算方法,氮肥中的含氮量与粪便中的含氮量已知,在粪肥的农作物效益与化肥种植农作物的效益相同的情况下,由每个农户所需化肥量,得到每个农户的粪肥所需量:
其中,xi表示第i个农户需要的化肥量/t,yi表示第i个农户所需的粪便量/t, Q表示化肥或氮肥中的含氮量/g/kg,P表示粪便中的含氮量/g/kg。
步骤(2)中,所述粪肥还田经济效益分析包括:
将粪肥还田的经济效益认定为农民用粪肥替代化肥过程中可节省的钱,分为两部分:第一部分为替代化肥所带来的效益S1,第二部分为粪肥运输所花费的运输成本S2,忽略化肥运输价格则可得到总效益为:
其中,xi表示第i个农户需要的化肥量/t,yi表示第i个农户所需的粪便量/t, Q表示化肥或氮肥中的含氮量/g/kg,P表示粪便中的含氮量/g/kg,v表示粪便运输、预处理价格/元,L表示粪便运输距离/km,w表示化肥单价/元,S1表示粪肥替代化肥产生的效益/元,S2表示粪肥运输所花费的运输成本/元,S表示总经济效益/元;
步骤(3)中,所述兼顾经济与环境效益的粪肥运输模型包括:
假设某地区有m个养殖场,n块农田,计算距离矩阵D,对于粪肥的运输矩阵X进行初始化:
q=(q1,q2,…,qn) p=(p1,p2,…,pm);
其中,q表示农田承载量向量,p表示养殖场产粪量向量;
其中,fij表示养殖场i到农田j运xij粪便的经济效益/元,xij表示养殖场i到农田j运输的粪便量/t,sj表示农田j取得的收益/元,ω1表示经济效益权重,ω2表示环保效益权重。
步骤(4)中,所述阻碍系数确定包括:水域、林地地形的图斑形状为圆形,判断某片地形k对养殖场i与农田j之间的粪肥运输是否有阻碍作用的判断方法为:从ARCGIS中获取某块地形k的图斑面积sk,计算地形k到养殖场i与农田j之间连线的直线距离h;时,则判定地形养殖场i与农田j之间的粪肥运输会造成影响,将dij乘u;其中,dij表示养殖场i到农田j的运输距离/km,u表示地形阻碍系数。
进一步,利用所述遗传算法中二进制的参数编码方式,以养殖场将粪便平均运输向距其2km以内的农田对应的运输矩阵作为初始种群;以总效益函数值的相反数作为适应度函数;选取经纬度范围在E114.759-E114.8 N30.75-N30.78 的农田养殖场密集型与E114.59-E114.64 N30.55-N30.7的水域林地密集型区域进行分析。
本发明的另一目的在于提供一种应用所述的区域范围内畜禽养殖场粪肥利用优化方法的畜禽养殖场粪肥利用优化系统,所述畜禽养殖场粪肥利用优化系统包括:
数据收集与预处理模块,用于在资源环境科学与数据中心网站获取待处理地区所属省份的中国土地利用遥感监测数据,并进行剪裁处理;
农田层次聚类模块,用于使用SPSS软件的聚类分析功能完成待处理地区农田的层次聚类;
区域划分模块,用于在层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分与分类;
优化模型构建模块,用于对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
遗传算法求解模块,用于将各要素归类并使用Voronoi图算法对每个区域进行划分后,使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
最优运输方式本发明所具备的优点及积极效果为:本发明提供的区域范围内畜禽养殖场粪肥利用优化方法,以湖北省武汉市新洲区的养殖场和周边农田为例(为研究对象),结合新洲区畜禽养殖场、耕地、水域、林地等要素的基本信息,使用Voronoi图剖分法进行区域划分,然后根据土地承载力指南中农作物对养分的需求,构建了综合经济效益与环保效益的粪污分配方案优化模型;然后分别选取了农田养殖场密集型和水域林地密集型的区域使用该方法进行优化,并给出特殊地形对运输两方面效益的影响幅度的量化分析结果;利用本优化方法对畜禽养殖场的畜禽粪肥还田方案进行优化,不仅能最大化保证粪肥在农田中的合理消纳利用,降低不合理施用导致的环境污染风险;同时还可以优化对养殖场的畜禽粪污还田路径进行优化,减少粪肥还田过程中的运输成本。
本发明以武汉市新洲区为例,建立了考虑经济与环境效益、畜禽养殖场的空间分布、农田对粪肥的消纳能力以及水域、林地等特殊地形对粪肥运输的阻碍作用的运输优化模型;利用该模型一方面可以兼顾经济、环保两个方面优化区域内的粪肥运输分配方案,最大化保证粪肥在农田的利用;另一方面,本发明还考虑了特殊地形对运输的影响作用,进而分析了其对区域粪肥还田经济、环保效益的影响幅度。
本发明基于武汉市新洲区的畜禽养殖场、耕地、水域、林地的分布情况,完成了以下工作:
(1)采用层次聚类、Voronoi图区域剖分等方法,评估了新洲区各区域的养殖密集程度以及特殊地形的密集程度,并以此为根据将经纬度范围在 E114.5-114.7N30.55-N30.9的五片区域分为1个农田养殖场密集型区域、3个水域林地密集型区域与1个可忽略区域;
(2)建立了考虑地形阻碍与经济环保效益的粪肥运输优化模型。对全局求解后得到粪便利用率提升为90.64%,高于国务院办公厅要求;同时发现直接将粪污平均运输至距养殖场2km内的农田时,会导致部分农田难以消纳,且比优化结果每年每亩少取得101.53元效益。
(3)对不同的优化偏好(即四种效益系数组合)下地形阻碍因素对粪肥还田效益的影响幅度进行了量化,发现了例如:若E114.59-E114.64 N30.55-N30.7 区域内的水域对运输路程的影响超过58.1%与2.8%,则在偏重环境效益、比较偏重环境效益两种偏好下粪污利用率会低于国家标准等结论;进而结合优化与评估结果,给出了对畜禽养殖业效益提升的建议。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述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的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的区域范围内畜禽养殖场粪肥利用优化方法流程图。
图2是本发明实施例提供的栅格裁剪、数据点坐标获取、区域划分与分类示意图。
图3是本发明实施例提供的新洲区农田、养殖场、特殊地形数量及养殖场产粪量、粪污利用率统计图。
图4是本发明实施例提供的两类区域粪污分配方案示意图。
图5是本发明实施例提供的地形阻碍效益亏损分析示意图。
图6是本发明实施例提供的畜禽养殖场粪肥利用优化系统结构框图;
图中:1、数据收集与预处理模块;2、农田层次聚类模块;3、区域划分模块;4、优化模型构建模块;5、遗传算法求解模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种区域范围内畜禽养殖场粪肥利用优化方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的区域范围内畜禽养殖场粪肥利用优化方法包括以下步骤:
S101,数据收集与预处理:在资源环境科学与数据中心网站获取待处理地区所属省份的中国土地利用遥感监测数据,并进行剪裁处理;
S102,进行农田的层次聚类:使用SPSS软件的聚类分析功能完成待处理地区农田的层次聚类;
S103,区域划分:在层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分与分类;
S104,粪肥运输优化模型的构建:对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
S105,遗传算法求解:将各要素归类并使用Voronoi图算法对每个区域进行划分后,使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
如图6所示,本发明实施例提供的畜禽养殖场粪肥利用优化系统包括:
数据收集与预处理模块1,用于在资源环境科学与数据中心网站获取待处理地区所属省份的中国土地利用遥感监测数据,并进行剪裁处理;
农田层次聚类模块2,用于使用SPSS软件的聚类分析功能完成待处理地区农田的层次聚类;
区域划分模块3,用于在层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分与分类;
优化模型构建模块4,用于对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
遗传算法求解模块5,用于将各要素归类并使用Voronoi图算法对每个区域进行划分后,使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
下面结合具体实施例对本发明的技术方案作进一步描述。
1、发明概述
本发明以湖北省武汉市新洲区的养殖场和周边农田为研究对象,结合新洲区畜禽养殖场、耕地、水域、林地等要素的基本信息,使用Voronoi图剖分法进行区域划分,然后根据土地承载力指南中农作物对养分的需求,构建了综合经济效益与环保效益的粪污分配方案优化模型;然后分别选取了农田养殖场密集型和水域林地密集型的区域使用该方法进行优化,并给出特殊地形对运输两方面效益的影响幅度的量化分析结果。利用本发明优化方法对畜禽养殖场的畜禽粪肥还田方案进行优化,不仅能最大化保证粪肥在农田中的合理消纳利用,降低不合理施用导致的环境污染风险;同时还可以优化对养殖场的畜禽粪污还田路径进行优化,减少粪肥还田过程中的运输成本。
本发明以武汉市新洲区为例,建立了考虑经济与环境效益、畜禽养殖场的空间分布、农田对粪肥的消纳能力以及水域、林地等特殊地形对粪肥运输的阻碍作用的运输优化模型;利用该模型一方面可以兼顾经济、环保两个方面优化区域内的粪肥运输分配方案,最大化保证粪肥在农田的利用;另一方面本发明还考虑了特殊地形对运输的影响作用,进而分析了其对区域粪肥还田经济、环保效益的影响幅度。
2、材料和方法
2.1研究区域
本发明所用的研究区域为武汉市新洲区(仅以该区域为例开展研究,其它区域可参照本发明专利的方法),新洲区位于长江中游北岸,总面积为1500.66 平方千米,大部分为耕地。新洲区西边与黄陂区相邻,南边与洪山区隔江相望。其经纬度范围大致为东经114°30′-115°5′和北纬30°35′-30°2′之间。地势由东北向西南倾斜,东北部为低山丘陵,中部为岗地、平原相间,西南部为滨江、滨湖平原和江湖水域,陆地海拔高度在20-100米之间。
2.2数据收集与预处理
在资源环境科学与数据中心网站获取湖北省2020年中国土地利用遥感监测数据,该数据是在2015年土地利用遥感监测数据的基础上,基于Landsat 8遥感影像,通过人工目视解译生成的1km栅格数据。先将新洲区的土地利用分类栅格数据从湖北省土地利用分类栅格数据中裁剪出来,并进一步获取新洲区耕地与各类地形的经纬度坐标以及面积。与此同时为探究特殊地形对粪肥运输经济效益等指标的影响,本发明同时提取水域(河渠、湖泊、水库坑塘)与林地(林地、灌木)的经纬度数据。同时依据前期2017年调研的武汉市新洲区所有畜禽养殖场的经纬度坐标及各养殖场2017年全年的畜禽粪便收集量与使用量数据。
2.3新洲区农田的层次聚类
本发明使用SPSS软件的聚类分析功能完成武汉市新洲区农田的层次聚类,层次聚类法(hierarchical cluster method)是一种基于层次且自底向上的聚类算法。该方法从最底层开始,每一次通过合并最相似的聚类来形成上一层次中的聚类,全部数据点都合并到一个类时算法结束。以新洲区所有养殖场为样本点、农场的经度和纬度数据为聚类基础,计算聚成1-100类时的聚合系数并观察其变化规律,利用肘部准则确定系统聚类的类别数,进行系统聚类;
完成后搜索距离每片农田2km以内的养殖场与水域、林地并将它们归到农田所属的类中,统计各类要素的基本分布情况。
2.4基于Voronoi图的区域划分与分类
层次聚类并归类之后,本发明在每一类中选取若干个区域中心,用Delaunay 三角剖分法构造Voronoi图进行区域划分。Voronoi图又叫Dirichlet图或泰森多边形,该方法可根据设施的空间分布将连续空间划分为相应的势力范围,已经广泛应用于城市服务区域势力划分、物流中心选址等领域。进行区域划分之后,根据各区域的各要素分布情况将它们分为农田养殖场密集型、水域(林地)密集型两种类型。
2.5粪肥运输优化模型
对区域进行划分与分类之后,本发明将构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型,首先对该部分的符号进行定义与说明。
表1模型构建部分符号说明(排成两列)
2.5.1代替化肥所需粪肥量(以氮元素计)
氮肥的不合理施用会导致量氮素通过径流、淋溶、氨挥发、硝化-反硝化作用等途径损失到环境中,造成水体、大气造成污染;而配合施用有机肥,可以有效降低氮素的损失。因此本发明采取粪肥替代氮肥的计算方法。氮肥中的含氮量与粪便中的含氮量已知,在粪肥的农作物效益与化肥种植农作物的效益相同的情况下,由每个农户所需化肥量,可以得到每个农户的粪肥所需量:
2.5.2粪肥还田经济效益分析
本发明将粪肥还田的经济效益认定为农民用粪肥替代化肥过程中可节省的钱,因此可将其分为两部分:第一部分为替代化肥所带来的效益S1,第二部分为粪肥运输所花费的运输成本S2,忽略化肥运输价格则可得到总效益为:
2.5.3兼顾经济与环境效益的粪肥运输模型
假设某地区有m个养殖场,n块农田,首先计算距离矩阵D,对于粪肥的运输矩阵X进行初始化:
q=(q1,q2,…,qn) p=(p1,p2,…,pm)
2.5.4阻碍系数
假设水域、林地等地形的图斑形状近似为圆形,判断某片地形k对养殖场i与农田j之间的粪肥运输是否有阻碍作用的判断方法为:从ARCGIS中获取某块地形k的图斑面积sk,计算地形k到养殖场i与农田j之间连线的直线距离h,若:
则判定地形养殖场i与农田j之间的粪肥运输会造成影响,将dij乘u。
2.6遗传算法求解
将各要素归类并使用Voronoi图算法对每个区域进行划分后,使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。遗传算法(Genetic Algorithm,GA)是一种通过模拟自然进化过程搜索最优解的方法,该方法以一种群体中的所有个体为对象,通过选择、交叉和变异对一个被编码的参数空间进行高效搜索。本发明采用二进制的参数编码方式;以养殖场将粪便平均运输向距其2km以内的农田对应的运输矩阵作为初始种群;以总效益函数值的相反数作为适应度函数。选取经纬度范围在E114.759-E114.8 N30.75-N30.78的农田养殖场密集型与E114.59-E114.64 N30.55-N30.7的水域林地密集型区域进行详细分析,并绘制热力图比较优化后与优化前全局效益的变化。
3、结果
3.1数据收集、聚类与区域划分
栅格裁剪、数据点坐标获取、区域划分与分类如图2所示。
从图2(a)的武汉市Shapefile数据中分割出新洲区部分,并用其在湖北省Landsat8土地利用栅格数据中裁剪出图2(b)的武汉市新洲区部分,使用面转点工具进行转换,之后提取新洲区各要素,并结合畜禽养殖场数据画出散点图如图2(c)所示。
以新洲区所有农田为样本点,以农田的经度和纬度数据为聚类基础使用 SPSS对农田进行层次聚类。分别计算聚成1-100类的系统聚合系数,发现在聚为 4类变为聚为5类时聚合系数由0.0258下降到0.0189,之后下降趋势趋于平缓并趋近于0。根据层次聚类的肘部准则可判断将其聚成5类效果最理想,聚类结果如图2(d)所示。
将所有养殖场、水域与林地归类到距离自己2km以内农田所在的簇中,统计结果如表2所示。由于簇5中的农田与养殖场数量均较少,且与簇3位置靠近,将簇5并入簇3。对各簇中的农田、养殖场数、特殊地形栅格数、养殖场的产粪量与粪污利用率进行统计,统计结果如图3所示。
如图3所示:根据层次聚类的结果对各类中要素的数量进行描述性统计。
图3(a):各个类中特殊地形的个数(按照栅格点的数量计算)
图3(b):每一类中的农田与养殖场数量(农田按照栅格点的数量计算)
图3(c)、图3(d):2019年粪污产量吨数在各区间内的养殖场个数(扇形图、箱线图)
图3(e)、图3(f):2019粪污排放率(扇形图、箱线图),排放率指未被利用的粪污占总体的比重。
簇1中的养殖场数量众多并且分布密集,几乎没有水域、林地等特殊地形会对粪便运输造成阻碍,因此可将第一簇视作农田养殖场密集型地区;而其它3个簇中由于河渠、湖泊的存在,养殖场分布并不密集,可将簇1、簇2、簇4的部分地区视为水域(林地)密集型区域。
由于各簇中有些区域包含水域、林地等元素,而有些区域养殖场分布密集,所以对所有簇进一步使用Voronoi图算法进行区域划分,簇3的分类结果如图2(e) 所示。在所有划分出的区域中选取经纬度范围图2(f)与图2(g)分别作为农田养殖场密集型与水域密集型案例,分别使用遗传算法优化粪污分配方案。
3.2区域粪污分配方案分析
表2与表3分别是确定优化模型效益函数所需参数以及换算各农田粪污承载力所需参数的值。
表2确定效益函数所需参数
表3换农田粪污承载力所需参数
将表1中的系数代入式(4),得到效益函数为:
3.2.1农田养殖场密集型:
图2(f)对应的区域中有3片农田(总面积约为20.4514km2,即30677亩)、8个养殖场(总产粪量3560t),同时水域、林地较少,可忽略不计,视为农田养殖场密集型。设置经济系数与环保系数分别为0.005与0.995,使用遗传算法求解得到的粪污最优分配方案如图4(a)所示。
如图4所示:粪污分配方案优化结果(经济、环境、地形阻碍系数、粪污利用率、经济效益、效益函数值)。
图4(a)农田养殖场密集型;
图4(b)水域林地密集型
图4(c)水域林地密集型(改变经济-环境系数之后的)。
根据湖北省农科院获取的养殖场粪污收集与使用量数据计算得到:该区域 2019年粪污利用率仅为81.5%;考虑到粪肥的运输经济学,本发明假设农户会将运输的粪污平均分配到距离养殖场3km以内的农田中,该区域农户使用这种平均分配的方案,依据效益函数中经济效益的表达式计算得到总经济效益为2162894 元,即每亩70.51元。由于该区域面积较小,3片农田基本都处在8个养殖场的3km 范围之内,所以使用该分配方案进行运输时会在养殖场4运输到农田1、养殖场8 运输到农田3等较长路线上造成一定经济效益的亏损。
按照遗传算法优化得到的分配方案进行运输时,相较于平均分配的运输方案,区域粪污利用率可提升12.2%,其中养殖场2到养殖场8的粪污几乎被全部利用,污染大幅减少;经济效益综合增长为1186408元,每亩提升30.67元,总效益函数提升,且所有农田的粪污消纳量均处在其承载力范围之内。
3.2.2水域密集型(阻碍系数为1):
图2(g)对应的区域中有5片农田(总面积约为7.9431km2,即11914亩)与5个养殖场(总产粪量1194t)以及7块水域。首先将阻碍系数设置为1,即认为该地区所有的水域区域均有桥梁、地下隧道等设施,使得水域对粪肥的运输没有阻碍作用;同时设置经济系数为0.001,环境系数为0.999,使用算法求解得到的结果如图2(b)所示。
在缺乏科学指导的情况下该区域粪污的还田效益同样不理想,依据养殖场粪污收集与使用量数据计算得该区域2017年粪污利用率为85.8%,产生的经济效益为60195元,即每亩5.05元。
然而使用优化后的分配方案进行运输时,区域的环保效益、经济效益与总效益在优化后均得到了一定程度的提升:区域粪污全部被消纳,经济效益提升 150950元,每亩提升12.56元;效益提升的原因主要在于:在这种情况下,养殖场在运输粪污时,在距离近但路径上有水域的农田与距离远路径上没有水域的农田中倾向于选择前者;例如:养殖场5可以在不受影响的情况下将334.6吨粪污就近运往农田5让其消纳,以取得较高经济效益。
如图2所示:提取新洲区农业地理数据,进行聚类,区域剖分的全部过程。
图2(a)、图2(b):利用Arcgis软件的栅格裁剪功能,从在地理信息网站上获取的湖北省地形分类栅格数据中裁剪出新洲区的部分
图2(c):通过Arcgis的栅格转点功能获取新洲区各农业要素地理位置,再计算面积,绘制散点图
图2(d)-图2(e):用层次聚类法对新洲区耕地进行聚类,将其他农业要素归与距离最近的类中,选取其中一类进行Voronoi图区域剖分图2(f)-图2(g):根据农业要素密集程度与数量将分出的小区域分为农田养殖场密集型与水域林地密集型,选两处绘图展示。
3.2.3水域密集型(阻碍系数为2):
假设在运输路径上的水域会让粪污的运输距离变为原距离的两倍,在图2(g) 中的区域中保持经济系数与环保系数不变,设置阻碍系数为2重新优化方案。
在这种阻碍系数下,优化后的分配方案取得的效益不理想:粪污利用率与总经济效益分别比阻碍系数为1的方案低25.4%与67314元(5.65元/亩),其中粪污利用率甚至比2017年的利用率还要低11.2%,总效益相比2019年的平均运输方案的提升也极为有限。
因此,特殊地形通过对养殖场粪污分配选择的影响,间接影响了粪污还田取得的多方面效益值;例如:对比图2(b)与图2(c)可以发现,养殖场3与农田2之间有一片水域,在阻碍系数增加时,养殖场3放弃了将粪肥运往距离近但有水域阻碍的农田2;同时由于模型设置了较高的环保系数,为了避免剩余大量粪肥造成污染,该养殖场选择了将粪肥运往相对于农田2距离较远的农田3,从而导致了经济效益的较大损失。养殖场5与农田5之间的运输也是类似的情况。
表4区域优化结果
表5多种系数组合与阻碍系数下的区域粪污利用率
表6多种系数组合与阻碍系数下的区域经济效益
3.2.4地形阻碍效益亏损分析
以上文水域密集型区域为例,设置四种分别代表偏重环境效益、较偏重环境效益、较偏重经济效益、偏重经济效益的系数组合;同时,定义环保系数与经济系数的比值为系数比,系数比越大,方案优化过程中对环保效益的偏好就越大。从1开始以0.1为间隔设置9种阻碍系数,并使用遗传算法进行分配方案的优化,表5以与表6为所有求解得到的分配方案中的粪污利用率与区域经济效益值。
如图5所示:区域农业经济与环境效益分析
图5(a)、图5(b):改变水域林地密集型的地形阻碍系数,计算在不同经济环境效益组合的下最优分配方案的区域环境效益,三维图为粪污利用率的变化
图5(c)、图5(d):改变水域林地密集型的地形阻碍系数,计算在不同经济环境效益组合的下最优分配方案的区域经济效益,三维图为经济效益总值的变化
图5(e)、图5(f):改变水域林地密集型的地形阻碍系数,计算在不同经济环境效益组合的下最优分配方案的效益函数值,三维图为效益函数值的变化
同时对结果进行回归、得出一般规律,图图5(a)、图5(c)中直线为回归直线
图5(a)与图5(c)为表5与表6中利用率与经济效益的变化图像,以及用利用率与经济效益对阻碍系数进行线性回归的回归直线图像,图5(e)为总效益函数值变化图像。图5(b)、(d)、(f)为利用率、经济效益、效益函数值随着阻碍系数与系数比变化的变化图像。
在四种系数组合中,随着阻碍系数的上升,区域的粪污利用率均处在下降趋势中,尤其在系数比为999时,阻碍系数的提升对粪便利用率影响最显著;而在另外三种系数组合中阻碍系数较大的情况下,由于养殖场5距离可无障碍直接运输粪污的农田太远,所以若要使运输方案最优,则无法向外运输粪污。
在经济效益方面,除了系数比为999的系数组合外,其余三种系数组合中的经济效益均处于稳定或下降状态,整体比较平稳的原因是养殖场1、养殖场2、养殖场4距离农田距离较近,即使出现分配方案的变化,对整体经济效益的影响也不会特别大,下降的部分主要还是养殖场5造成的;同时在几种系数组合中除了系数比为999的组合的尾部优化函数值略微上升外,其余均有下降趋势,这也说明了阻碍系数的上升对粪肥还田区域整体效益有弱化作用,而0.999-0.001系数组合中出现上升的情况原因在于系数比太大,不看重经济效益,所以经济效益有一定概率出现上升,导致优化函数值跟着上升。
对利用率的回归中,在系数通过检验且几次回归均通过显著性检验且拟合优度均大于0.65的情况下,可根据回归系数将地形阻碍作用量化,在系数比为999 时回归系数为-0.382,这表示如果粪便运输车辆在该地区水域的影响下,运输粪便会比直线运输多走10%的距离,则粪便利用率会下降3.82%。根据回归方程计算可得,在系数比为999与499的系数组合中阻碍系数小于1.581、1.028、即水域会使运输距离的增长幅度小于58.1%与2.8%时粪便利用率可以达到国务院标准;而在后两种组合下若想取得较高的总效益,粪污利用率无法达到国家标准。政府需要以运输路径为依据,在对粪肥还田造成阻碍的河渠、湖泊等地修建桥梁以保证优化结果更优并达到国家标准。
表7利用率、经济效益对阻碍系数回归结果
如表8所示,根据回归系数可以确定四种系数组合下阻碍系数每上涨0.1时区域粪污排放量与排放率的平均增长量,以及平均每片农田取得的经济效益与效益函数值的降低量。
表8阻碍系数上升0.1各指标变化幅度
3.4全局求解分析
设置经济系数为0.005,环保系数为0.995,对新洲区所有区域分配方案进行优化,同时计算优化前后每个农田取得的经济效益以及各养殖场的粪便排放率。图6为优化前后的粪便排放率以及经济效益绘制的盒图,表9为各分位点及最值、平均值的相关统计。
表9全局优化结果各指标分位点、最值、平均值
以经纬度跨度0.05(约5km)为边长的网格将新洲区分为9×11的网络;将网络与经纬度范围对应,计算每个网格中所有养殖场的粪便收集量与使用量并计算排放率,新洲区在进行优化之前整个新洲区的粪便排放率为17.09%,优化之后为5.49%。优化之前的粪污利用率就已经达标,优化后农田在承载力范围之内多消纳了11.6%的粪污。
新洲区大部分网格区域中,农田的经过优化后的平均经济效益与粪肥利用率一样都有一定幅度的提升,优化之前新洲区所有养殖场按照将粪肥平均送往距离自己3km以内的农田的方法进行运输时,农田通过粪肥还田取得的平均经济效益为354654元(46.92元/亩),优化过后为1122134元(148.45元/亩),在不加入政策指导或者人工干预的情况下让农户自发运输粪污,会导致全体农户一年少取得128929901元(101.53元/亩)的经济效益。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,所述区域范围内畜禽养殖场粪肥利用优化方法包括以下步骤:
数据收集与预处理:获取待处理地区土地利用遥感监测数据并进行水域与林地的经纬度数据的提取;
进行农田的层次聚类:利用层次聚类法计算聚合系数并分析变化规律;
基于Voronoi图的区域划分与分类:层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分;
粪肥运输优化模型的构建:对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
遗传算法求解:使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
2.如权利要求1所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,所述数据收集与预处理包括:获取待处理地区土地利用遥感监测数据,所述数据是在土地利用遥感监测数据基础上,基于Landsat 8遥感影像,通过人工目视解译生成的1km栅格数据;将待处理地区的土地利用分类栅格数据从待处理地区所属省份土地利用分类栅格数据中裁剪出来,并获取待处理地区耕地与各类地形的经纬度坐标和面积;提取水域与林地的经纬度数据,确定特殊地形对粪肥运输经济效益指标的影响;同时依据前期调研的待处理地区所有畜禽养殖场的经纬度坐标及各养殖场全年的畜禽粪便收集量与使用量数据;所述水域包括河渠、湖泊和水库坑塘,所述林地包括林地和灌木。
3.如权利要求1所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,所述农田的层次聚类包括:利用层次聚类法从最底层开始,每一次通过合并最相似的聚类来形成上一层次中的聚类,全部数据点都合并到一个类时算法结束;以待处理地区的所有养殖场为样本点、农场的经度和纬度数据为聚类基础,计算聚成1-100类时的聚合系数并观察变化规律,利用肘部准则确定系统聚类的类别数,进行系统聚类;完成后,搜索距离每片农田2km以内的养殖场与水域、林地并归到农田所属的类中,统计各类要素的基本分布情况。
4.如权利要求1所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,所述基于Voronoi图的区域划分与分类中,根据设施的空间分布将Voronoi图连续空间划分为相应的势力范围;进行区域划分后,根据各区域的各要素分布情况分为农田养殖场密集型、水域或林地密集型两种类型。
5.如权利要求1所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,所述构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型包括:
(1)代替化肥所需粪肥量,以氮元素计;
(2)粪肥还田经济效益分析;
(3)兼顾经济与环境效益的粪肥运输模型构建;
(4)阻碍系数的确定。
7.如权利要求5所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,步骤(2)中,所述粪肥还田经济效益分析包括:
将粪肥还田的经济效益认定为农民用粪肥替代化肥过程中可节省的钱,分为两部分:第一部分为替代化肥所带来的效益S1,第二部分为粪肥运输所花费的运输成本S2,忽略化肥运输价格则可得到总效益为:
其中,xi表示第i个农户需要的化肥量/t,yi表示第i个农户所需的粪便量/t,Q表示化肥或氮肥中的含氮量/g/kg,P表示粪便中的含氮量/g/kg,υ表示粪便运输、预处理价格/元,L表示粪便运输距离/km,w表示化肥单价/元,S1表示粪肥替代化肥产生的效益/元,S2表示粪肥运输所花费的运输成本/元,S表示总经济效益/元;
步骤(3)中,所述兼顾经济与环境效益的粪肥运输模型包括:
假设某地区有m个养殖场,n块农田,计算距离矩阵D,对于粪肥的运输矩阵X进行初始化:
q=(q1,q2,…qn) p=(p1,p2,…,pm);
其中,q表示农田承载量向量,p表示养殖场产粪量向量;
其中,fij表示养殖场i到农田j运xij粪便的经济效益/元,xij表示养殖场i到农田j运输的粪便量/t,sj表示农田j取得的收益/元,w1表示经济效益权重,w2表示环保效益权重。
9.如权利要求1所述区域范围内畜禽养殖场粪肥利用优化方法,其特征在于,利用所述遗传算法中二进制的参数编码方式,以养殖场将粪便平均运输向距其2km以内的农田对应的运输矩阵作为初始种群;以总效益函数值的相反数作为适应度函数;选取经纬度范围在E114.759-E114.8 N30.75-N30.78的农田养殖场密集型与E114.59-E114.64 N30.55-N30.7的水域林地密集型区域进行分析。
10.一种应用如权利要求1~9任意一项所述区域范围内畜禽养殖场粪肥利用优化方法的畜禽养殖场粪肥利用优化系统,其特征在于,所述畜禽养殖场粪肥利用优化系统包括:
数据收集与预处理模块,用于在资源环境科学与数据中心网站获取待处理地区所属省份的中国土地利用遥感监测数据,并进行剪裁处理;
农田层次聚类模块,用于使用SPSS软件的聚类分析功能完成待处理地区农田的层次聚类;
区域划分模块,用于在层次聚类并归类后,在每一类中选取若干个区域中心,用Delaunay三角剖分法构造Voronoi图进行区域划分与分类;
优化模型构建模块,用于对区域进行划分与分类后,构建综合经济效益、环境效益与地形阻碍因子的粪肥运输优化模型;
遗传算法求解模块,用于将各要素归类并使用Voronoi图算法对每个区域进行划分后,使用遗传算法对每片区域进行多次求解,并选取最优解进行作为该区域粪肥还田的最优运输方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210360464.8A CN114897216B (zh) | 2022-04-07 | 2022-04-07 | 一种区域范围内畜禽养殖场粪肥利用优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210360464.8A CN114897216B (zh) | 2022-04-07 | 2022-04-07 | 一种区域范围内畜禽养殖场粪肥利用优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114897216A true CN114897216A (zh) | 2022-08-12 |
CN114897216B CN114897216B (zh) | 2023-04-25 |
Family
ID=82715115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210360464.8A Active CN114897216B (zh) | 2022-04-07 | 2022-04-07 | 一种区域范围内畜禽养殖场粪肥利用优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897216B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689314A (zh) * | 2023-01-03 | 2023-02-03 | 中农创达(北京)环保科技有限公司 | 畜禽粪污资源数据处理方法、系统、设备及介质 |
CN116340698A (zh) * | 2023-03-01 | 2023-06-27 | 中农创达(北京)环保科技有限公司 | 一种畜禽粪污土地承载力测算方法 |
CN117635363A (zh) * | 2024-01-25 | 2024-03-01 | 华南农业大学 | 一种多类型肥料混配的配比数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156886A (zh) * | 2010-12-27 | 2011-08-17 | 中国农业大学 | 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 |
CN112700035A (zh) * | 2020-12-25 | 2021-04-23 | 中国农业大学 | 一种区域尺度农作物分区水肥管理模式的优化方法 |
-
2022
- 2022-04-07 CN CN202210360464.8A patent/CN114897216B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156886A (zh) * | 2010-12-27 | 2011-08-17 | 中国农业大学 | 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 |
CN112700035A (zh) * | 2020-12-25 | 2021-04-23 | 中国农业大学 | 一种区域尺度农作物分区水肥管理模式的优化方法 |
Non-Patent Citations (1)
Title |
---|
曹爱红等: "Voronoi图在新能源场选址中的应用", 《安徽农业科学》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689314A (zh) * | 2023-01-03 | 2023-02-03 | 中农创达(北京)环保科技有限公司 | 畜禽粪污资源数据处理方法、系统、设备及介质 |
CN116340698A (zh) * | 2023-03-01 | 2023-06-27 | 中农创达(北京)环保科技有限公司 | 一种畜禽粪污土地承载力测算方法 |
CN116340698B (zh) * | 2023-03-01 | 2024-04-19 | 中农创达(北京)环保科技有限公司 | 一种畜禽粪污土地承载力测算方法 |
CN117635363A (zh) * | 2024-01-25 | 2024-03-01 | 华南农业大学 | 一种多类型肥料混配的配比数据处理方法 |
CN117635363B (zh) * | 2024-01-25 | 2024-05-07 | 华南农业大学 | 一种多类型肥料混配的配比数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114897216B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114897216B (zh) | 一种区域范围内畜禽养殖场粪肥利用优化方法 | |
Huang et al. | Emergy-based evaluation of peri-urban ecosystem services | |
Li et al. | Carbon emission and economic development trade-offs for optimizing land-use allocation in the Yangtze River Delta, China | |
CN106202163A (zh) | 通江湖泊生态监测信息管理及预警系统 | |
Agostinho et al. | Emergy accounting as a support for a strategic planning towards a regional sustainable milk production | |
Qing et al. | Spatio-temporal Changes in Wildlife Habitat Quality in the Middle and Lower Reaches of the Yangtze River from 1980 to 2100 based on the InVEST Model | |
Li et al. | Agricultural space function transitions in rapidly urbanizing areas and their impacts on habitat quality: An urban–Rural gradient study | |
CN111445116A (zh) | 国土空间规划辅助编制系统 | |
Ren et al. | Comparative analysis of driving forces of land use/cover change in the upper, middle and lower reaches of the Selenga River Basin | |
CN114925974A (zh) | 一种面向市县国土空间规划的分类逐步双评价方法 | |
Zhang et al. | Trade-offs and driving factors of multiple ecosystem services and bundles under spatiotemporal changes in the Danjiangkou Basin, China | |
Wang et al. | A critical review on the key issues and optimization of agricultural residue transportation | |
Xu et al. | Spatio-temporal characteristics and determinants of anthropogenic nitrogen and phosphorus inputs in an ecologically fragile karst basin: Environmental responses and management strategies | |
Ma et al. | Environmental effects and their causes of agricultural production: Evidence from the farming regions of China | |
Liao et al. | Identifying critical area of ecosystem service supply and demand at different scales based on spatial heterogeneity assessment and SOFM neural network | |
Chen et al. | Assessment of extrinsic and intrinsic influences on water quality variation in subtropical agricultural multipond systems | |
Zhang et al. | Modeling urban growth by the use of a multiobjective optimization approach: Environmental and economic issues for the Yangtze watershed, China | |
CN115115485A (zh) | 一种基于控制单元水质目标分类管理的水环境容量核定方法 | |
CN115293664B (zh) | 基于gis的干旱绿洲县级农牧业生产适宜性细化评价方法 | |
Ou et al. | Identification of critical source areas for non-point source pollution in Miyun reservoir watershed near Beijing, China | |
CN116484647A (zh) | 面向统筹协调的分布式水资源配置方法及系统 | |
CN116384829A (zh) | 生态分析方法、装置、电子设备及计算机可读取存储介质 | |
Qisthina et al. | Analysis of land cover change impacts on landscape services quality in Cisadane Watershed, Tangerang City | |
He et al. | Agricultural climate change and agricultural economic sustainability based on resource scheduling algorithm | |
Scarlat et al. | Geospatial analysis approaches for assessing biomass potentials from agricultural landscapes |
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 |