一种基于生态服务功能的农业非点源最佳管理措施组合优化配置方法与流程

本发明涉及环境科学领域，具体涉及一种兼顾水资源、水质质量和经济效益的农业非点源最佳管理措施空间组合优化配置方法。

背景技术：

随着点源污染得以有效控制，农业非点源污染已成为世界范围内地表水体水质下降的重要因素(huangjjetal.,2015；mineteetal.,2017；)。实践表明，实施农业最佳管理措施是有效削减农业非点源污染负荷和促进流域水环境质量明显改善的有效手段(sharpleyaetal.,2004；rochajetal.,2015；haasmbetal.,2017)。但是，农业面源污染不仅受到地形地貌、气象水文、土地利用和土壤背景值等自然因素的控制，同时也会受农业种植、社会经济和市场因素等综合作用(azzellinoaetal.,2006；krausesetal.,2008；ouyangwetal.,2018)。因此，拟实施目标区域特征(包括自然因素和社会经济因素)是农业最佳管理措施选择和配置的主要参考条件。这就使得农业最佳管理措施配置必须综合考虑环境效益、生态效益、社会经济效益，将流域农业最佳管理措施变成为一个多目标综合优化问题(maringantietal.,2009；panagopoulosetal.,2012；chenletal.,2016；wuhetal.,2017)。目前，最佳管理措施空间配置常用的方法有基于专家经验的目标配置方法和基于智能算法的优化配置方法。其中，基于智能算法的优化配置成为最佳管理措施控制的主流做法(kaojjetal.,2003；maringantietal.,2011；qiujetal.,2018)。在最佳管理空间优化配置中，优化目标和优化算法是能否获取有效的管理措施方案的关键所在。已有研究中，通常将措施实施后的污染物削减效果和配置成本(包括实施成本、维护成本和机会成本等)作为最佳管理措施配置方案预期的目标(veith,t.letal.,2003；kaini,petal.,2012；)。但是，并未真正意义上从流域整体层面考虑措施实施后的生态服务功能的时空变化，诸如有些措施(如梯田、退耕还林和保护性耕作等)固然能够有效削减污染物负荷，起到净化水质的功能，但是同时此类措施实施后会拦截了上游水资源量，可能会减少下游地区的工农业用水、生活用水和生态景观用水等，进而可能影响到下游区域社会经济发展和生态质量下降。因此，从流域整体利益出发，必须将上下游不同利益体的生态诉求纳入到农业最佳管理措施空间优化配置环节中，以生态服务功能(主要包括水质净化和产水量)作为措施优化配置方案实施的潜在环境效益目标，可以实现流域水资源增加和水质改善两类目标综合优化。

另一方面，优化算法的选择与关键参数校验是获取农业最佳管理措施配置方案的重要保障。已有研究中用到的优化算法有模糊区间规划算法(dai,cetal.2016)、动态微分规划算法(hsiehphetal.2007)和遗传算法(ciou,s.ketal.2012)等，其中遗传算法是模拟达尔文生物进化论中的自然选择和遗传学机理的生物进化过程进化模型，通过生成表征问题的可行解，经过选择算子、交叉算子、变异算子和重组算子等操作多次迭代运算得到问题的最优解。该算法具有不受具体问题形式约束(如模型的连续性和可导性)，可以直接对结构对象进行操作，具有内在的潜并行特征和良好的全局寻优能力；采用概率化寻优机制，能够自适应调整搜索方向，不需要确切的设计规则。遗传算法已经广泛应用于机器学习、信号处理、自适应控制、组合优化和人工智能等诸项领域。其中，多目标组合优化是应用较为广泛的一类数学问题，由于多个目标函数间存在不可规避的矛盾，导致传统数学方法很难解决目标间相互冲突的这一现象。引入pareto解集概念的非支配排序遗传算法(nsga-ⅱ)能够恰当地处理不同目标间的互斥性(debketal.,2002)，在工程领域、环境规划治理和水资源调度中得到广泛应用(bekeleegetal.,2007；dhanalakshmisetal.,2011)。但是，目前nsga-ⅱ也存在一定问题，主要集中在以下3个方面，即(1)该算法中采用相同的交叉概率和变异概率，基于固定概率机制的nsga-ⅱ算法可能会导致算法早熟或难以收敛；(2)算法的最大进化代数为固定值，因此当进化代数过小可能会使得算法难以得到最优解，反之则可能造成过度优化浪费计算资源；(3)种群规模是固定值，种群过小容易陷入局部解，因而难以寻找到最优解；种群过大容易降低搜索速度，增加计算机的运行负荷。因此，为有效降低人为因素对优化模型的影响，将遗传算法的主要参数(种群规模、进化代数、交叉概率和变异概率)调整为随种群个体适应度变化而变化的自适应模式是很有必要的。

技术实现要素：

为了克服现有农业面源最佳管理措施难以有效改善流域层面生态服务功能的现状，而且优化算法参数存在较大不确定性的不足,本发明提供一种基于生态服务功能的农业面源最佳管理措施组合优化配置方法，以期实现流域生态服务功能整体改善，将为流域水质水量综合调控提供有力的技术支持。

本发明综合考虑水质净化功能和产水能力，将生态服务功能和改进的自适应多目标遗传算法(ansga-ⅱ)相耦合，应用于流域农业非点源最佳管理措施空间优化配置，同时实现水质净化、产水效能的最大化和管理措施成本的最小化。

本发明解决其技术问题所采用的技术方案是：

一种基于生态服务功能的农业非点源最佳管理措施组合优化配置方法，具体实施步骤包括：

1)收集目标研究区地理空间数据、气象水文数据、污染源数据和农业管理信息数据，构建该目标研究区的流域swat模型；以水量水质数据为基准，收集相关已有文献中swat模型中水量水质敏感性参数及范围信息，作为swat模型敏感性参数分析的参数数据库，然后利用swat-cup模型对参数数据库中的参数进行拉丁超立方采样(latinhypercubesampling,lhs)，得到随机参数组合；然后将随机参数组合代入swat模型观察模拟值与观测值的变化及扰动差异性，得到swat模型的全局性敏感性等级，选择显著性水平(pvalue<0.05)作为确定敏感性参数的依据，以此筛选出swat模型的敏感性参数；将该目标研究区的swat模拟时期划分为预热期、校准期和验证期，设定敏感性参数的理论范围，利用swat-cup模型的sufi-2算法对敏感性参数进行拉丁超立方采样，然后代入该目标研究区的swat模型判断模拟值与观测值的匹配程度，重复多次迭代后得到校准期最优的参数组合(判断准则：纳什系数(nash-sutcliffeefficiency,nse)大于0.50，且决定系数(r²)大于0.65)；最后，将校准期的最优参数代入该目标研究区的swat模型的验证期，当模拟效果满足上述判断准则表明已完成swat模型敏感性参数的校准和验证；

2)提取研究区主要的坡度条件和土壤水文组类型，以此为查询条件，采用农业非点源最佳管理措施效率评估工具箱(gengretal.,2015)，该工具箱中内置了已公开发表的关于中国境内不同地形单元的农业最佳管理措施相关信息(包括实施点位的平均坡度、土壤水文组、措施对径流量、泥沙、颗粒态氮磷、溶解态氮磷的削减效率)，并可以对措施负荷查询条件(平均坡度和土壤水文组)的措施总体削减效率进行统计性描述(符合条件的措施类型数、削减效率(最大值、最小值、中位数、平均值和方差等)，然后将所有措施的削减效率从高到低排序，取削减效率最高的措施作为措施空间配置的备选方案，初步筛选得到研究区适用性较强的农业非点源管理措施；

3)结合研究区实际特征，包括农业耕种管理方式(现有的农田水保措施、农作物类型及分布、常用肥料种类、施肥时间与施肥量、灌溉水源与方式、灌溉用水量、秸秆管理方式等)、畜禽养殖管理方式(畜禽养殖类型、养殖供水方式、畜禽污水及粪便处理方式等)和生活污水管理方式(区域人口总量、农业人口数量、城镇人口数量、人均污水排放量、生活污水处理方式等)；将本流域已有的管理措施和工具箱筛选获取的管理措施取并集，得到流域管理措施总库(包括各种措施类型和相应的污染物削减效率)，开展流域农户关于措施类型的可接受程度调研活动，得到农户关于不同措施类型的可接受程度指数，通过对污染物削减效率和可接受程度指数进行非支配排序(non-dominatedsorting)，挑选出削减效率高且可接受程度较强的措施；以实施区域的实际物价和人力成本为依据，核算已选的农业最佳管理措施单位实施成本、维护成本和机会成本，构建各类最佳管理措施成本信息数据库；

4)swat模型可以通过调整农业管理措施的关键特征参数，进而模拟管理措施对目标污染物的削减效率。参考相关文献，swat模型中常用的工程性bmps特征参数包括cn值、usle-p、usle-c、ov-n、slsubbsn、filterw、ch-w2、ch-d、ch-n2、ch-cov、ch-erod和ch-s2。以上述关键特征参数为基础，通过调整swat模型中的参数值获取不同措施实施后的生态效率数据，例如坡度为实现3.00～8.00％地块等高种植(contourfarming)措施模拟，须将率定的cn减小3个单位，同时usle-p调整为0.60；梯田(parallelterraces)措施对应的特征参数为cn值减小6个单位，usle-p调整为0.10；其它类型bmps的特征参数请参见文献(arabimetal,2008；panagopoulosyetal,2012)，在此不作赘述。重复执行swat模型，完成措施实施生态效益数据库的构建；

5)以设定的目标函数最优化为准则，采用改进后的自适应多目标遗传算法ansga-ⅱ对最佳管理措施成本信息数据库、措施实施生态效益数据库进行计算，获取不同目标污染物的最优成本效益曲线，得到最佳的农业非点源污染措施组合方案，并结合地理信息系统对最佳方案配置进行可视化表达。在本发明中，自适应ansga-ⅱ算法的改进计算流程如下：首先随机生成潜在的可行解(即首先对各种措施进行染色体编码，采用整数编码方式，即每种措施用一个整数代表，生成多个潜在的可行解)，然后将可行解代入适应度函数，用以评价适应度值的优劣，执行锦标赛选择算子挑选出优秀个体，然后利用适应度函数值调整各个个体的交叉概率和变异概率(原理：优秀个体被赋予较小的交叉概率和变异概率，以保证优秀个体的稳定性；劣势个体被赋予较大的交叉概率和变异概率，使得个体结构得以快速转变，加速整个优化过程)，然后执行交叉和变异操作，得到了经过交叉和变异的新一代种群，不断重复上述“选择—交叉—变异”操作，使得产生的种群个体不断逼近于最优解；当相隔10代的pareto前端个体的距离小于给定阈值(0.001)，则可以认为不再产生最优个体，算法终止。该算法可自动给出不同情景下措施配置的成本—效益方案，以及对应的每个地块所配置的措施类型。

与已有技术体系相比，本发明的有益效果是：

本发明从流域上下游不同类型涉益者的角度出发，有效缓解农业上游非点源污染控制和下游区域工农业和生态用水相冲突的矛盾，能够促进流域生态环境效益的整体提升。另外，已有研究中常用的nsga-ⅱ算法采用固定概率机制进行交叉和变异操作，极易造成算法的早熟而陷入局部最优解，难以得到最佳的农业非点源管理措施配置方案；此外，基于固定进化代数也是难以判断算法收敛的重要原因；本发明中采用基于适应度函数调整交叉概率和变异概率，采用pareto解的进化代际差异作为判断nsga-ⅱ算法是否完成收敛的判据(pareto最优解代际差异小于0.001作为算法进化终止的阈值)，将传统的固定参数nsga-ⅱ算法改为基于参数自适应的ansga-ⅱ算法，算法具体执行流程如附图2所示。如图可知，首先利用swat模型构建优化需要的措施生态效益数据库和成本数据库，然后基于matlab软件包生成初始的可行解种群(亦称染色体)，并编制目标函数以此评价种群个体的优劣；下一步根据适应度值采用锦标赛选择算法选择优势个体，执行交叉和变异操作(在交叉和变异操作中，利用个体的适应度值自适应调整个体的交叉概率和变异概率)，然后不断重复上述计算步骤，直至优化算法不再产生pareto前端个体，也即当相隔10代的pareto前端个体的距离小于给定阈值(0.001)，说明优化过程完成收敛，算法终止。以此通过改变优化算法的工作机制，实现农业最佳管理措施空间配置方案的获取，有效降低优化过程的计算时间，有效降低因为参数获取不当给流域管理措施最优方案的配置影响，以期为流域水生态保护提供可靠的技术保障。

附图说明

图1是本发明的基于生态服务功能的农业非点源最佳管理措施组合优化配置体系图；

图2是改进的基于参数自适应的ansga-ⅱ算法流程图。

具体实施方式

下面结合附图2具体阐述本发明的具体执行过程。从整体来看，本发明包括三个主要部分，即流域生态服务功能评估、农业非点源最佳管理措施初选和基于生态服务功能的最佳管理措施多目标优化配置。

(1)流域生态服务功能评估

产水功能和水质净化功能是流域生态服务功能中最重要的两种类型。本发明中采用swat模型评估流域地块单元的产水量和农业非点源污染物负荷时空差异性。此环节大致可以分为以下4个环节。

基础数据准备选定具体的案例研究区域，并明确流域具体的空间边界范围；构建包含流域地形地貌、土地利用类型、土壤类型等信息的空间数据库；通过搜集研究区逐日历史气象数据(气温、降水、相对湿度、太阳辐射和相对湿度)、地表水文资料(逐日地表径流量)和连续的水质数据(泥沙、三态氮和总磷浓度)，构建研究区气象水文数据库；构建研究区农业管理数据库，包括主要作物种植类型、耕作制度、施肥方法、施肥时间、施肥量、灌溉方式和收获方式等细节信息。

流域模型初始化采用arcswat2012软件包执行子流域划分、水文响应单元的定义、气象数据库和管理信息加载等环节后，形成swat模型模拟需要的输入文件，设置模型的模拟日期，完成swat模型的初始化运行。

模型参数校验利用美国地质调查局研发的污染物评估工具loadest模型将离散水质数据转变为连续的日尺度水质数据，并得到不同时间尺度下(日尺度、月尺度和年尺度)流域监测点位的污染负荷量。利用swat-cup程序的sufi-2算法，识别影响模型输出的关键敏感性参数，其中取显著性水平小于0.05作为敏感性参数的选择标准；将整个模拟期划分为预热期、校准期和验证期，模型校验的污染物先后顺序为地表径流、泥沙、总氮和总磷；空间顺序为先上游、后下游，先支流后干流；时间顺序为年尺度、月尺度和日尺度。模型模拟精度判断依据选用纳什效率系数和决定系数r²，通过不断调整参数校准模型，使得模拟值尽可能与观测值相匹配。当纳什系数大于0.50，同时决定系数r²大于0.65,表示模型已通过校验，可以执行下一阶段流域模拟工作。

基础情景模拟应用已校验的swat模型模拟不同空间尺度下(子流域和hrus)流域非点源污染产生负荷和产水量，作为农业非点源污染最佳管理措施评估工作的基础情景。

(2)农业非点源最佳管理措施初选

以bmptool工具箱为基础(gengretal.,2015)，利用gis技术提取并计算目标流域的平均坡度和水文土壤组信息，以此为作为流域最佳管理措施初选的筛查条件，筛选得到流域适合的管理措施类型，利用bmptool工具箱中的统计分析功能，得到对目标污染物削减效率进行排序，选取其中削减效率较高的措施类型作为下一步措施优化配置的潜在选择措施。

为了增强管理措施在区域的适用性，在效率评估的基础上进行问卷调研，分析目标流域涉益者对最佳管理措施的认知程度和可接受程度以及主要影响因子，综合权衡管理措施的削减效率和可接受程度，最终确定纳入到最佳管理措施空间优化配置的措施类型数据库。

(3)基于生态服务功能的最佳管理措施多目标优化配置

该部分内容需要分4部分分步展开，即最佳管理措施的生态服务功能效应数据库构建、措施实施成本数据库构建、自适应参数的ansga-ⅱ算法改进与调试、基于生态服务功能的最佳管理措施多目标优化配置方案获取，具体实现方法详述如下。

生态效应数据库本发明构建的生态效应数据类型包括最佳管理措施的总氮削减效率、总磷削减效率和产水量增量。运用校验的swat模型，通过修改表征措施的特征参数模拟不同类型措施所产生的生态效应，并构建措施的生态效应数据库，该数据库包括以地块数量(m)和措施种类(n)信息，构成了m行n列的数据表文件，以此作为最佳管理措施优化的生态效应数据库。

措施成本数据库以拟实施区域的物价水平和人力成本为参考，核定单位措施的在其生命周期内的总成本(包括施工成本、维护成本和机会成本)，再结合每种措施的实施规模水平(如实施面积和配置长度等)，获得每种类型措施的实际实施总成本数据库。

优化算法的改进①在本发明中，将研究区域所有地块单元(可以看作为swat模型的水文响应单元)的产水量最大化、总磷和总氮削减量最大化和实施成本最小化作为优化算法的适应度函数，以此作为评价可行解优劣的判别依据，因此本发明采用适应度函数值对经典的遗传算法(nsga-ⅱ)中的交叉概率和变异概率进行自适应调整，使得适应度较高的个体被赋予较小的交叉概率和变异概率，以保证优秀个体的完整性，适应度较低的不良个体赋予较大的概率值，以促进算法跳出局部最优解，加速算法的收敛性；②以pareto最优解的代际距离阈值为判断算法收敛的准则，当算法产生的pareto最优解的平均距离小于0.001时，即可认为算法达到全局收敛效果，从而规避最大进化代数设置主观性对优化结构的影响。

多目标措施配置将生态效应数据库和措施实施成本数据输入改进的自适应遗传算法，将优化体系的改进为4个目标函数最优化，即总氮削减最大化、总磷削减最大化、地表径流增加最大化和实施成本最小化。而后驱动ansga-ⅱ优化算法不断迭代，获得pareto前端解，即可作为农业非点源最佳管理措施最优成本效益曲线，以供流域管理决策部门选取不同方案下的措施最优空间配置方案。