本文是一篇工程管理碩士論文,本文基于國(guó)內(nèi)外關(guān)于種植結(jié)構(gòu)優(yōu)化的現(xiàn)有研究,選取山東省東營(yíng)市墾利區(qū)的引黃灌區(qū)作為研究區(qū)。研究重點(diǎn)在于解決該地區(qū)灌溉水資源供需緊張的矛盾,分析當(dāng)前種植結(jié)構(gòu)的不合理性,并探討如何調(diào)整以適應(yīng)現(xiàn)代化灌區(qū)的發(fā)展需求。
1緒論
1.1研究背景
黃河下游引黃灌溉事業(yè)經(jīng)過(guò)七十多年的發(fā)展,取得了令人矚目的成就,山東省沿黃65處引黃灌區(qū)已成為我國(guó)重要的糧食、棉花、油料等農(nóng)產(chǎn)品的生產(chǎn)基地,在保障國(guó)家糧食安全中起著舉足輕重的作用。黃河水資源作為山東省最主要的客水資源,引黃供水量已經(jīng)達(dá)到了全省總供水量的30%以上,黃河水已由單純的農(nóng)業(yè)灌溉發(fā)展為工農(nóng)業(yè)生產(chǎn)、居民生活和生態(tài)環(huán)境等多種用途,黃河水資源對(duì)山東省經(jīng)濟(jì)社會(huì)發(fā)展的支撐至關(guān)重要。自20世紀(jì)70年代以來(lái),黃河水徑流量呈現(xiàn)減少的趨勢(shì),黃河下游山東段經(jīng)常出現(xiàn)斷流的現(xiàn)象,最長(zhǎng)斷流時(shí)間在1997年達(dá)到226天。2000年以后黨中央高度重視黃河保護(hù)治理,雖然黃河流域進(jìn)行了科學(xué)治理,已經(jīng)實(shí)現(xiàn)23年不再斷流,但是用水需求和水資源供給之間矛盾尚未得到根本解決。一方面,黃河下游屬于溫帶季風(fēng)氣候,年平均降水量在570mm,降雨集中在夏季,雨熱同期,降水分布不均導(dǎo)致了水資源的不穩(wěn)定性,使得黃河下游水量在不同季節(jié)和年份之間存在較大波動(dòng),另外隨著經(jīng)濟(jì)和人口的快速增長(zhǎng)和沿岸地區(qū)的農(nóng)業(yè)、工業(yè)和城市需求不斷增長(zhǎng),導(dǎo)致黃河下游水資源供需矛盾日益尖銳[1]。農(nóng)業(yè)用水作為地區(qū)的主要用水大戶,約占下游總用水量的80%以上,灌溉用水是影響引黃需求最重要的因素,而農(nóng)田灌溉過(guò)程中仍存在用水粗放,水資源利用效益不高的問(wèn)題[2]。水資源匱乏和灌溉用水效率低是制約山東省引黃灌區(qū)農(nóng)業(yè)可持續(xù)發(fā)展的主要瓶頸。

1.2研究意義
(1)理論意義
隨著我國(guó)現(xiàn)代化進(jìn)程的不斷推進(jìn),優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)已成為國(guó)家和區(qū)域發(fā)展總體戰(zhàn)略需求。針對(duì)黃河用水緊張與農(nóng)作物安全生產(chǎn)之間的矛盾,在保障糧食安全生產(chǎn)的前提下,通過(guò)調(diào)整農(nóng)業(yè)種植結(jié)構(gòu),加快優(yōu)化區(qū)域布局,推動(dòng)農(nóng)業(yè)經(jīng)濟(jì)、生態(tài)、水資源等綜合效益的提高,帶動(dòng)農(nóng)民脫貧致富,不僅為鄉(xiāng)村振興戰(zhàn)略的實(shí)施打下了堅(jiān)實(shí)基礎(chǔ),同時(shí)研究成果建立的水資源承載能力匹配的種植結(jié)構(gòu)體系,也能夠有效地推動(dòng)黃河流域農(nóng)業(yè)經(jīng)濟(jì)帶的高質(zhì)量發(fā)展。
(2)現(xiàn)實(shí)意義
目前,山東省引黃灌區(qū)灌溉水資源供需矛盾緊張,當(dāng)下種植結(jié)構(gòu)難以滿足現(xiàn)代化灌區(qū)發(fā)展新要求,論文選取墾利區(qū)引黃灌區(qū)為研究對(duì)象,立足于規(guī)劃基礎(chǔ)年糧食安全生產(chǎn)需求、可灌溉水資源量、種植業(yè)生產(chǎn)方式綠色轉(zhuǎn)型政策等方面,充分發(fā)揮作物種植結(jié)構(gòu)調(diào)整的優(yōu)勢(shì),通過(guò)調(diào)減高耗水作物的種植比例,增加綜合效益好的作物種植比例,協(xié)調(diào)推動(dòng)種植業(yè)經(jīng)濟(jì)效益、綜合水分生產(chǎn)力、生態(tài)效益的最大化,促進(jìn)灌溉水資源高效利用保障當(dāng)?shù)剞r(nóng)業(yè)的可持續(xù)性發(fā)展。同時(shí)研究區(qū)不同水文年下建立的水資源承載能力匹配的種植結(jié)構(gòu),以期為當(dāng)?shù)胤N植結(jié)構(gòu)優(yōu)化決策和灌區(qū)農(nóng)業(yè)可持續(xù)發(fā)展規(guī)劃提供科學(xué)指導(dǎo)和理論依據(jù)。
2理論基礎(chǔ)與文獻(xiàn)綜述
2.1相關(guān)理論
2.1.1農(nóng)作物種植結(jié)構(gòu)提取的理論基礎(chǔ)
衛(wèi)星遙感技術(shù)是利用衛(wèi)星搭載的傳感器,通過(guò)接收地面反射、輻射等電磁波信號(hào),并將其轉(zhuǎn)換為圖像或數(shù)據(jù)的一種技術(shù)。通過(guò)對(duì)這些圖像或數(shù)據(jù)的處理和分析,可以實(shí)現(xiàn)對(duì)地表、大氣、水體等自然環(huán)境的監(jiān)測(cè)與調(diào)查,進(jìn)而用于資源管理、環(huán)境保護(hù)、災(zāi)害監(jiān)測(cè)等領(lǐng)域。其理論基礎(chǔ)包括遙感原理、傳感器技術(shù)、數(shù)字圖像處理、地學(xué)信息系統(tǒng)等,結(jié)合地學(xué)、物理學(xué)、數(shù)學(xué)等多學(xué)科知識(shí),是現(xiàn)代地球科學(xué)與信息技術(shù)相結(jié)合的重要領(lǐng)域之一。基于遙感影像的農(nóng)作物種植結(jié)構(gòu)主要是利用不同作物在遙感影像上呈現(xiàn)出的光譜特征和空間分布特征差異來(lái)獲取農(nóng)作物類型和空間格局分布信息。為了更精準(zhǔn)地識(shí)別和提取這些信息,通過(guò)計(jì)算機(jī)學(xué)習(xí)大量經(jīng)過(guò)標(biāo)注的樣本數(shù)據(jù),構(gòu)建出不同的分類模型,模型經(jīng)過(guò)訓(xùn)練后,能夠自動(dòng)對(duì)遙感影像數(shù)據(jù)進(jìn)行分類和預(yù)測(cè),實(shí)現(xiàn)對(duì)區(qū)域多種農(nóng)作物種植結(jié)構(gòu)的準(zhǔn)確快速地提取,其中常用的分類方法主要有以下幾種:支持向量機(jī)(SVM)、隨機(jī)森林(RF)或深度學(xué)習(xí)模型等。此外結(jié)合地理信息系統(tǒng)(GIS)技術(shù),可以將提取出的農(nóng)作物種植結(jié)構(gòu)數(shù)據(jù)與地理空間信息相結(jié)合,生成直觀易懂的農(nóng)作物種植分布圖,有助于管理者全面了解農(nóng)作物的種植結(jié)構(gòu)和分布規(guī)律,為區(qū)域水資源配置、產(chǎn)量預(yù)測(cè)以及農(nóng)業(yè)災(zāi)害監(jiān)測(cè)等提供科學(xué)依據(jù),以此推動(dòng)農(nóng)業(yè)生產(chǎn)的精細(xì)化管理。
2.2文獻(xiàn)綜述
2.2.1提取作物種植結(jié)構(gòu)研究
(1)遙感技術(shù)在農(nóng)業(yè)監(jiān)測(cè)領(lǐng)域的起源與發(fā)展
相比傳統(tǒng)人工統(tǒng)計(jì)的方法,遙感技術(shù)憑借監(jiān)測(cè)范圍大、時(shí)效性強(qiáng)、低成本等優(yōu)勢(shì)已逐漸成為灌區(qū)種植結(jié)構(gòu)調(diào)查的重要手段[11]。20世紀(jì)50年代,前蘇聯(lián)發(fā)射第一顆人造地球衛(wèi)星(Sputnik-1)送入預(yù)定軌道,這一重大科技突破開啟了人類航天活動(dòng)的新篇章[12]。1972年美國(guó)發(fā)射了第一顆陸地資源衛(wèi)星(Landsat)后,衛(wèi)星圖像從初步探索逐漸應(yīng)用于農(nóng)業(yè)領(lǐng)域。20世紀(jì)80年代初,美國(guó)三大政府機(jī)構(gòu)——國(guó)家航空航天局、農(nóng)業(yè)部和國(guó)家海洋大氣管理局聯(lián)合啟動(dòng)了“農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃(AGRISTTARS)”。該計(jì)劃是在前期“大面積作物清查試驗(yàn)”項(xiàng)目成果的基礎(chǔ)上發(fā)展而來(lái),通過(guò)構(gòu)建全球農(nóng)業(yè)監(jiān)測(cè)系統(tǒng),成功實(shí)現(xiàn)了對(duì)國(guó)際主要產(chǎn)糧區(qū)糧食作物的產(chǎn)量預(yù)測(cè)評(píng)估[13]。歐盟隨后啟動(dòng)了名為“遙感農(nóng)業(yè)監(jiān)測(cè)”(MARS)的科研計(jì)劃,通過(guò)該項(xiàng)目的實(shí)施,最終在歐盟范圍內(nèi)構(gòu)建完成了農(nóng)作物產(chǎn)量預(yù)測(cè)系統(tǒng)CGMS,實(shí)現(xiàn)了對(duì)區(qū)域內(nèi)農(nóng)作物生長(zhǎng)狀況的監(jiān)測(cè)與產(chǎn)量評(píng)估功能[14]。隨著農(nóng)業(yè)應(yīng)用需求的增加和遙感技術(shù)的不斷發(fā)展,加拿大、俄羅斯等其他國(guó)家相繼利用不同的遙感數(shù)據(jù)源逐步建立各自的種植面積監(jiān)測(cè)和作物產(chǎn)量預(yù)估系統(tǒng)[13]。進(jìn)入21世紀(jì)以后,隨著遙感應(yīng)用技術(shù)和應(yīng)用不斷成熟,國(guó)外多時(shí)間分辨率、多空間分辨率的遙感影像數(shù)據(jù)得到廣泛應(yīng)用,如美國(guó)QuickBird衛(wèi)星、歐空局ENVISAT衛(wèi)星、法國(guó)SPOT系列等衛(wèi)星廣泛應(yīng)用于農(nóng)業(yè)監(jiān)測(cè)中,理論和實(shí)踐實(shí)現(xiàn)了突飛猛進(jìn)的發(fā)展[15-17]。
3研究區(qū)現(xiàn)狀年主要農(nóng)作物種植結(jié)構(gòu)提取...........................14
3.1灌區(qū)概況及數(shù)據(jù)來(lái)源.........................14
3.1.1基本概況.........................................14
3.1.2作物及關(guān)鍵物候期..................................15
4不同水平年灌溉水資源供需平衡分析...................28
4.1水開發(fā)利用情況.............................28
4.2灌溉水分配指標(biāo)....................................29
4.3灌溉需水量計(jì)算................................29
5多目標(biāo)種植結(jié)構(gòu)優(yōu)化模型構(gòu)建與應(yīng)用....................33
5.1模型構(gòu)建............................33
5.1.1模糊優(yōu)化模型...............................33
5.1.2權(quán)重向量的組合賦權(quán)法.......................34
5水資源約束下的多目標(biāo)種植結(jié)構(gòu)優(yōu)化模型構(gòu)建與應(yīng)用
5.1 AE-FOS-MOP模型構(gòu)建
5.1.1模糊優(yōu)化模型
在農(nóng)業(yè)灌區(qū)中,不同作物需要合理規(guī)劃種植面積,特別是在水資源嚴(yán)格管控的條件下。為了實(shí)現(xiàn)種植業(yè)整體效益的最優(yōu),需要對(duì)各類作物的種植比例進(jìn)行科學(xué)配置。由于作物布局方案的評(píng)估標(biāo)準(zhǔn)存在漸進(jìn)變化特征,其決策過(guò)程本質(zhì)上屬于模糊優(yōu)選理論(Fuzzy optimum selection theory,F(xiàn)OST)[57]。
5.1.2權(quán)重向量的組合賦權(quán)法
指標(biāo)權(quán)重ωi是多目標(biāo)模糊優(yōu)化模型的一項(xiàng)重要參數(shù),確定指標(biāo)權(quán)重的方法主要包括主觀賦權(quán)法和客觀賦權(quán)法兩種,主觀賦權(quán)法主要是依賴于專家、學(xué)者或者決策者的專業(yè)知識(shí)和經(jīng)驗(yàn)來(lái)確定各個(gè)指標(biāo)的權(quán)重。其中方法通常包括層次分析法(AHP)、專家打分法等,這種方法靈活且易于理解和操作,尤其適用于難以量化或數(shù)據(jù)不足的情況。然而它的缺點(diǎn)在于易受個(gè)人偏見影響,缺乏足夠的客觀性和準(zhǔn)確性,且結(jié)果可能因不同專家的意見差異而導(dǎo)致較大的波動(dòng)。客觀賦權(quán)法則依據(jù)數(shù)學(xué)模型或者統(tǒng)計(jì)方法來(lái)確定各指標(biāo)的權(quán)重,如熵值法(EWM)、主成分分析法等。這類方法立足于客觀數(shù)據(jù),力求消除人為因素的影響,具有較高的精度和穩(wěn)定性。傳統(tǒng)客觀賦權(quán)方法存在數(shù)據(jù)依賴性過(guò)強(qiáng)的問(wèn)題,可能導(dǎo)致分析結(jié)果偏離實(shí)際應(yīng)用場(chǎng)景。為解決這一困境,本文采用層次分析法(AHP)與熵權(quán)法(EWM)相結(jié)合的綜合賦權(quán)策略,通過(guò)主客觀方法的優(yōu)勢(shì)互補(bǔ),顯著提升了賦權(quán)結(jié)果的可靠性[58]。使農(nóng)作物空間配置優(yōu)化提供了兼具理論嚴(yán)謹(jǐn)性和實(shí)踐指導(dǎo)性的決策依據(jù)。

6結(jié)論
6.1主要結(jié)論
(1)針對(duì)原始作物生育期NDVI時(shí)序曲線存在波動(dòng)和噪聲等問(wèn)題,經(jīng)S-G濾波重構(gòu)后的NDVI時(shí)間序列曲線更加平滑,能夠真實(shí)反映了作物真實(shí)的物候特征,為作物分類與提取提供了有力的依據(jù)。
(2)通過(guò)NDVI時(shí)序特征呈現(xiàn)的光譜反差結(jié)合決策樹分類模型可有效解譯灌區(qū)作物種植結(jié)構(gòu),混淆矩陣驗(yàn)證結(jié)果顯示:研究區(qū)農(nóng)作物總分類精度達(dá)到86.2%,Kappa系數(shù)為0.832,可滿足后續(xù)灌區(qū)農(nóng)業(yè)用水核算和種植結(jié)構(gòu)優(yōu)化相關(guān)研究。作物種植結(jié)構(gòu)提取結(jié)果顯示:研究區(qū)現(xiàn)狀年農(nóng)田主要種植作物為冬小麥、玉米、水稻、棉花、夏大豆等,其中冬小麥-夏玉米輪作模式種植面積最大,春玉米次之,棉花種植面積最小。冬小麥-夏玉米種植相對(duì)集中成片,主要分布在路莊灌區(qū)、曹店灌區(qū)、五七灌區(qū)和勝利灌區(qū)西部,春玉米和水稻部分集中分布,其余部分較為分散。冬小麥-夏大豆和棉花種植面積較小,零散分布在各個(gè)灌區(qū)。
(3)2023年、2025年、2035年約分配到研究區(qū)用于作物進(jìn)行灌溉初始水權(quán)分別為1.08億、1.09億、1.13億m3;2023年農(nóng)田灌溉水量缺水率12.4%,規(guī)劃年灌溉水供需矛盾呈現(xiàn)降低趨勢(shì),2025年、2035年農(nóng)田灌溉水量缺水率分別為8.2%、5.5%;不同水平年下糧食作物用水均占比高達(dá)80%左右,其中冬小麥、玉米用水量占比在50%以上,水稻占比在20%以上。蔬菜用水占比在10%左右,其余作物用水占比低。
參考文獻(xiàn)(略)
相關(guān)文章
UKthesis provides an online writing service for all types of academic writing. Check out some of them and don't hesitate to place your order.