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专利检索-碳足迹环境足迹环境工程专利检索查询-专利查询网

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

阅读：647发布：2020-05-11

专利汇可以提供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专利检索，专利查询，专利分析的服务。并且本发明公开了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，包括S1：农业系统模型本地化；S2：初步设定多个备选的农业种植系统；S3:获取研究区气候、土壤、农业管理数据资料，并利用所述农业系统模型来模拟计算各个备选的农业种植系统在研究时段内的目标参数，所述目标参数包括作物产量、氧化亚氮排放以及土壤有机碳变化；S4：根据氧化亚氮排放、土壤有机碳变化和作物产量，计算各个备选的农业种植系统在研究时段内农业生产的碳足迹 (CF)；S5:比较以上对各个备选的农业种植系统在研究时段内农业生产的碳足迹(CF)，选择碳足迹最小的种植系统，作为研究区内在所述研究时段的最佳农业种植系统。，下面是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专利的具体信息内容。

权利要求

1.一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，包括如下步骤：
S1：根据研究区内作物实验观测资料，对农业系统模型进行参数优化和验证，实现模型的本地化；
S2：初步设定多个备选的农业种植系统；
S3:获取研究区气候、土壤、农业管理数据资料，并利用所述农业系统模型来模拟计算各个备选的农业种植系统在研究时段内的目标参数，所述目标参数包括作物产量、氧化亚氮排放以及土壤有机碳变化；
氧化亚氮排放以下式(1)表示：
其中，EN20为从土壤中排放的氧化亚氮的年累积量的全球增温潜能，单位为kg CO2-eq ha-1；N2O为从土壤中排放的氧化亚氮的年累积量，单位为kg CO2-eq ha-1；α为一百年全球增温潜能(GWP)因子，取值为298；土壤有机碳变化以下式(2)表示：
其中，ΔSCS为研究时段中，在0-20cm土壤表层中的土壤有机碳(SOC)的年变化，单位为kg CO2-eq ha-1；SCSend为研究时段中最后一年在0-20cm土壤表层中的土壤有机碳(SOC)储量，SCSbegin为研究时段中第一年在0-20cm土壤表层中的土壤有机碳(SOC)储量；m为研究时段的年数；
S4：根据氧化亚氮排放(EN20)、土壤有机碳变化(ΔSCS)和作物产量，计算各个备选的农业种植系统在研究时段内农业生产的碳足迹(CF)，以下式(3)表示：
其中CF单位为kg CO2-eq kg-1；Yield为各农业种植系统的作物年产量，单位为kg ha-1；
S5:比较以上对各个备选的农业种植系统在研究时段内农业生产的碳足迹(CF)，选择碳足迹最小的种植系统，作为研究区内在所述研究时段的最佳农业种植系统。
2.根据权利要求1所述的方法，其特征在于，m为10。
3.根据权利要求1所述的技术方法，其特征在于，所述研究时段为多个，包括称为基准气候时段的过去时段以及称为未来气候时段的未来时段。
4.根据权利要求1所述的方法，其特征在于，所述目标参数还包括氮利用效率(NUE)和水利用效率(WUE)，如下式(4)和(5)所示：
其中，ET为农业种植系统每年总蒸散量，irrigation为每年灌溉量，N application rate为每年氮施用量；
所述方法包括利用发展综合指标(IntInd)替代所述碳足迹(CF)作为评价指标，来确定最佳农业种植系统，
其中所述发展综合指标(IntInd)如下式(6)和(7)所示：
IntInd＝αCF/(βNUE+γWUE) (6)
α+β+γ＝100％ (7)
其中，α，β，γ分别为农业生产的碳足迹(CF)、氮利用效率(NUE)和水利用效率(WUE)的权重系数，其取值范围分别为35-45％，26-34％以及26-34％，IntInd值最小的农业种植系统即为研究区最佳农业种植系统。
5.根据权利要求1所述的方法，其特征在于，所述农业系统模型为APSIM或CERES系列作物模型。
6.根据权利要求1所述的方法，其特征在于，所述作物选自小麦、玉米、大豆和水稻。
7.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小麦单作、玉米单作、大豆单作、小麦-大豆轮作、玉米-大豆轮作、小麦-玉米轮作、小麦-玉米轮作无灌溉以及小麦-玉米轮作优化系统。
8.根据权利要求1所述的方法，其特征在于，S1步骤中所述本地化包括：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品种参数；(ii)校准决定产量的品种参数。
9.根据权利要求8所述的方法，其特征在于，所述对品种参数进行逐步校准包括采用均方根误差(RMSE)和相对均方根误差(RRMSE)对变量例如生育期和产量的模拟值和实测值的偏差进行估算，如下式(8)和式(9)所示:
Oi和Si分别为所述变量的观测值和模拟值,Oavg为观测值的平均值；n为样本量。

说明书全文

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

技术领域

[0001] 本发明涉及农业信息技术领域，更具体涉及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。

背景技术

[0002] 一个地区农业种植系统需要根据区域气候、资源和生产环境条件进行科学规划和选择。在适宜的地区发展适宜的种植系统才能同时兼顾生产、经济和环境效益，实现农业可持续发展。但是，实践中，一个地区农业种植系统的确定主要延续历史传统、片面追求高产、片面追求经济效益、或者随大流或者遵从行政指示；地区的农业种植系统缺乏科学、全面和长远规划；农业种植系统的现有的评价技术主要通过开展田间对比试验，根据过去几年种植系统对比试验所收获的产量或取得的经济效益资料进行评价。

[0003] 因此，目前的农业种植系统评价技术存在耗时、耗力、代价高、评价片面、时间滞后，而且不具备提前预测性，无法开展未来农业种植系统综合效益定量评价和科学长远规划。因为缺乏长远科学规划，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。

[0004] 因此，需要新技术来至少部分解决现有技术中上述局限性。

发明内容

[0005] 针对现有技术的不足，本发明采用先进的农业系统模型模拟技术，基于农田实验、记录资料开展模型参数优化和验证之后，设定一个地区可供选择的种植系统，开展农业系统综合模拟，然后建立多目标综合评价体系，评价各个种植系统的表现，确定最佳的种植系统。

[0006] 根据本发明一方面，提供了一种基于多目标综合评价体系确定最佳农业种植系统的方法，包括如下步骤：

[0007] S1：根据研究区内作物实验观测资料，对农业系统模型进行参数优化和验证，实现模型的本地化；

[0008] S2：初步设定多个备选的农业种植系统，例如以供模型模拟、测试和比较选择；

[0009] S3:获取研究区气候、土壤、农业管理数据资料，并利用所述农业系统模型来模拟计算各个备选的农业种植系统在研究时段内的目标参数，所述目标参数包括作物产量、氧化亚氮排放以及土壤有机碳变化；

[0010] 氧化亚氮排放以下式(1)表示：

[0011]

[0012] 其中，EN20为从土壤中排放的氧化亚氮的年累积量的全球增温潜能，单位为kg CO2-eq ha-1；N2O为从土壤中排放的氧化亚氮的年累积量(kg CO2-eq ha-1)；α为一百年全球增温潜能(GWP)因子，取值为298。

[0013] 土壤有机碳变化以下式(2)表示：

[0014]

[0015] 其中，ΔSCS为研究时段中，在0-20cm土壤表层中的土壤有机碳(SOC)的年变化，单位为kg CO2-eq ha-1；SCSend为研究时段中最后一年在0-20cm土壤表层中的土壤有机碳(SOC)储量，SCSbegin为研究时段中第一年在0-20cm土壤表层中的土壤有机碳(SOC)储量；m为研究时段的年数；

[0016] 其中，所述研究时段包括称为基准气候时段的过去的一段时期，以及称为未来气候时段的未来的一段时期；

[0017] S4：根据氧化亚氮(N2O)排放(EN20)和土壤有机碳变化(ΔSCS)和作物产量，计算各个备选的农业种植系统在研究时段中农业生产的碳足迹(CF)，以下式(3)表示：

[0018]

[0019] 其中CF单位为kg CO2-eq kg-1；Yield为各农业种植系统的作物年产量，单位为kg ha-1；

[0020] S5:比较以上对各个备选的农业种植系统在研究时段内农业生产的碳足迹(CF)，选择碳足迹最小的种植系统，作为研究区内在所述研究时段的最佳农业种植系统。

[0021] 根据本发明的实施方案，其中m为10，例如在基准气候时段可以为过去的2000-2009年，未来气候时段可以为未来的2050-2059年等。

[0022] 根据本发明的实施方案，其中所述研究时段为多个，例如可以包括称为基准气候时段的过去时段，以及称为未来气候时段的未来时段，如上述的2000-2009年以及2050-2059年。

[0023] 根据本发明的实施方案，其中所述目标参数还包括氮利用效率(NUE)和水利用效率(WUE)，如下式(4)和(5)所示：

[0024]

[0025]

[0026] 其中，ET为农业种植系统每年总蒸散量，irrigation为每年灌溉量，N application rate为每年氮施用量；

[0027] 所述方法包括利用发展综合指标(IntInd)替代所述碳足迹(CF)作为评价指标，来确定最佳农业种植系统，也即，上述步骤5)被下面的所替代：

[0028] 计算所述发展综合指标(IntInd)，如下式(6)和(7)所示：

[0029] IntInd＝αCF/(βNUE+γWUE) (6)

[0030] α+β+γ＝100％ (7)

[0031] 其中，α，β，γ分别为农业生产的碳足迹(CF)、氮利用效率(NUE)和水利用效率(WUE)的权重系数，其取值范围分别为35-45％，26-34％以及26-34％，IntInd值最小的农业种植系统即为研究区最佳农业种植系统。

[0032] 根据本发明的实施方案，其中所述农业系统模型为APSIM或CERES系列作物模型。

[0033] 根据本发明的实施方案，其中所述作物选自小麦、玉米、大豆和水稻。

[0034] 根据本发明的实施方案，其中所述农业种植系统选自小麦单作、玉米单作、大豆单作、小麦-大豆轮作、玉米-大豆轮作、小麦-玉米轮作、小麦-玉米轮作无灌溉以及小麦-玉米轮作优化系统。

[0035] 根据本发明的实施方案，其中S1步骤中所述本地化包括：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品种参数；(ii)校准决定产量的品种参数。

[0036] 根据本发明的实施方案，其中所述对品种参数进行逐步校准包括采用均方根误差(RMSE)和相对均方根误差(RRMSE)变量例如对生育期和产量的模拟值和实测值的偏差进行估算，如下式(8)和式(9)所示:

[0037]

[0038]

[0039] 其中，Oi和Si分别为变量(如生育期或产量等)的观测值和模拟值,Oavg为观测值的平均值；n为样本量。

[0040] 与现有技术相比，本发明:

[0041] 1)采用先进的农业系统模拟模型开展农业系统综合模拟，代替田间试验，解决了原有技术耗时、耗力、人力物力财力等成本代价高等方面的不足。

[0042] 2)采用先进的农业系统模拟模型可以同时测试评价众多种植系统，众多生产、环境和经济方面的指标，评价方便、灵活、全面。解决了原有技术不灵活、监测指标少和评价片面等方面的不足。

[0043] 3)采用先进的农业系统模拟模型可以模拟过去、现在和未来任何时间段种植系统的表现，考虑了气候环境等方面的演变，具备时效性和预测性。解决了原有技术在时间滞后、不具备提前预测性等方面的不足。

[0044] 4)采用先进的农业系统模拟模型可以在多地区、多点和多种种植系统灵活应用，解决了原有技术在空间上应用的制约。

[0045] 总之，本技术可以综合评价和预测一个地区各种可选种植系统在生产、环境和经济等方面的表现，对比各种种植系统的优劣，确定最适宜的种植系统。附图说明

[0046] 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：

[0047] 图1是根据本发明一个实施方案的基于多目标综合评价体系确定最佳农业种植系统的方法的流程示意图。

[0048] 图2是根据本发明一个实施方案的方法应用于华北平原某一研究区所模拟的目标参数的结果示意图；

[0049] 图3是根据本发明一个实施方案的方法应用于华北平原某一研究区八种农业种植系统，在目前基准(Baseline,2000-2009年)和未来(2050-2059年)两种(RCP2.6,RCP8.5)气候变化情景和两种耕作管理(传统耕作(Conventional tillage)以及保护性耕作(Conservation tillage))下各目标参数模拟变化示意图；

[0050] 图4是利用根据本发明一个实施方案的方法应用于华北平原四个研究区八种农业种植系统碳足迹(CF)在2000-2009年和未来2050-2059年两种气候变化情景和两种耕作管理下模拟结果示意图。

[0051] 图5是利用根据本发明一个实施方案的方法应用于华北平原四个研究区八种农业种植系统发展综合指标(IntInd)在2000-2009年和未来2050-2059年两种气候变化情景和两种耕作管理下模拟结果示意图。

具体实施方式

[0052] 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公开的应用或用途。

[0053] 应该理解的是，本发明所引用的农业系统模(作物模型)本身是已知的，例如模型的各个子模块、各种参数、运行机制、模拟过程例如本地化、产量模拟等等，因此本发明重点阐述如何利用作物模型确定研究区域内最优农业种植系统的过程。

[0054] 图1是根据本发明一个实施方案的基于多目标综合评价体系确定最佳农业种植系统的方法的流程示意图。如图1所示，本发明提出一种基于多目标综合评价体系确定最佳农业种植系统的方法，具体包括以下步骤S1-S5：

[0055] S1:根据作物实验观测资料，对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。在本发明中，农业系统模型(作物模型)可以采用APSIM(agricultural production system simulator)模型或CERES(crop estimation through resource and environmental synthesis)系列作物模型，当然也可以采用其他合适的作物模型。这些模型本身为本领域所熟知，模型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。

[0056] 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。

[0057] 例如对于APSIM模型而言，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(也即遗传参数)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。

[0058] 其中，所述土壤参数可以包括土壤类型、颜色、坡度、渗透性、反射率、土层厚度、土壤水分蒸发限制(mm)、径流曲线数和土壤排水率(fraction day-1)、光合作用因子(0-1)、土壤水下限或淍萎点含水量(cm3cm-3)、田间持水量(cm3cm-3)，饱和含水量(cm3cm-3)、土壤容量(g cm-3)、土壤有机碳、氮(wt.％)、土壤PH值、粘粒含量(wt.％<0.002mm粒径)和粉粒含量(wt.％0.002-0.05mm粒径)等。所述气象参数可以包括日太阳辐射(MJ m-2)、日最高温度(℃)、日最低气温(℃)和日降雨量(mm)等。所述田间管理参数可以包括站点尺度的灌溉、品种、施肥、种植密度、播种方式等。

[0059] 遗传参数也可称为品种参数，不同作物的有不同的参数。在本发明可以根据需要，选取5-7个相对关键的遗传参数。例如，如小麦可以包括春化敏感性(vern_sens)，光期敏感性(photop_sens)，花芽分化到开花所需的积温(tt_floral_initiation(°Cd))，出苗到拔节的积温(tt_end_of_juvenile)，灌浆到成熟所需的积温(tt_startgf_to_mat)，每克茎重的籽粒数(grains_per_gram_stem)，潜在灌浆速率(potential_grain_filling_rate(g -1 -1kernel day ))等七个遗传参数。玉米可以包括6个遗传参数：出苗到幼体的积温(tt_emerg_to_endjuv(°Cd))，开花到开始灌浆的积温(tt_flower_to_start_grain(°Cd))，开花到成熟的积温(tt_flower_to_maturity(°Cd))，每小时光期增加引起的到花芽分化所需的热需求变化(photoperiod_slope(°Ch-1))，每穗最大的籽粒数(Head_grain_no_max)，以-1 -1
及籽粒灌浆速率(grain_gth_rate(mg grain day ))。其他作为也具有相应的一些遗传参数，例如水稻的遗传参数例如可以包括到达抽穗期最少需要的天数、灌浆期最少需要的天数、发育速率对光期的敏感性、最大穗粒数、穗粒重等。

[0060] 所述对品种参数进行逐步校准可以包括采用均方根误差(RMSE)和相对均方根误差(RRMSE)对生育期和产量的模拟值和实测值的偏差进行估算，如上式(8)和式(9)所示。

[0061] 在步骤S1的模型本地化之后，可以实施步骤S2。更具体地，可以根据研究区气候、过去种植系统的实验和经验等，考虑地区生产、环境、经济和文化等因素，初步设定多个备选的种植系统，供模型模拟、测试和比较选择。例如对于北方中原地区，可以考虑选择如下农业种植系统：CW,小麦单作；CM,玉米单作；CS,大豆单作；WS,小麦-大豆轮作；MS,玉米-大豆轮作；WM,小麦-玉米轮作；WM-NI,小麦-玉米轮作无灌溉；WM-OPT,小麦-玉米轮作优化系统等；这些种植系统均在研究区域内现有存在。

[0062] 然后，实施步骤S3：获取研究区气候、土壤、农业管理等数据资料，并利用所述农业系统模型来模拟计算各个备选的农业种植系统在研究时段内的目标参数。更具体地，所述目标参数可以包括生产、环境等多方面的指标，可以利用这些参数来建立农业种植系统多目标(生产、环境经济)综合评价指标体系。例如，生产方面的指标可以包括作物产量；环境方面的指标可以包括氮利用效率(NUE),水利用效率(WUE)，蒸散发(ET)，地下水补充(GWR),氮淋洗，氧化亚氮排放(EN20)和土壤有机碳变化等。

[0063] 例如氧化亚氮排放以下式(1)表示：

[0064]

[0065] 其中，EN20为从土壤中排放的氧化亚氮的年累积量的全球增温潜能，单位为kg CO2-eq ha-1；N2O为从土壤中排放的氧化亚氮的年累积量(kg CO2-eq ha-1)；α为一百年全球增温潜能(GWP)因子，取值为298。

[0066] 土壤有机碳变化以下式(2)表示：

[0067]

[0068] 其中，ΔSCS为研究时段中，在0-20cm土壤表层中的土壤有机碳(SOC)的年变化，单位为kg CO2-eq ha-1；SCSend为研究时段中最后一年在0-20cm土壤表层中的土壤有机碳(SOC)储量，SCSbegin为研究时段中第一年在0-20cm土壤表层中的土壤有机碳(SOC)储量；m为研究时段的年数，例如m为10；

[0069] 氮利用效率(NUE)和水利用效率(WUE)如下式(4)和(5)所示：

[0070]

[0071]

[0072] 其中，ET为农业种植系统每年总蒸散量，irrigation为每年灌溉量，N application rate为每年氮施用量。

[0073] 其他的目标参数例如地下水补充(GWR),氮淋洗等也可以通过模型模拟得出，在此就不赘述。

[0074] 接着，可以实施步骤S4，根据氧化亚氮排放(EN20)、土壤有机碳变化(ΔSCS)和作物产量，计算各个备选的农业种植系统在不同时期农业生产的碳足迹(CF)，以下式(3)表示：

[0075]

[0076] 其中CF单位为kg CO2-eq kg-1；Yield为各农业种植系统的作物年产量，单位为kg -1ha ；

[0077] 然后，比较以上对各个备选的农业种植系统在研究时段内的农业生产的碳足迹(CF)，选择足迹最小的种植系统，即为研究区对应时段的最佳农业种植系统。其中，所述研究时段可以包括多个，例如可以包括称为基准气候时段的过去的一段时期，以及称为未来气候时段的未来的一段时期；例如在基准气候时段可以为过去的2000-2009年，未来气候时段可以为未来的2050-2059年等，由此可以获得不同的研究时段的各种农业种植系统的排行，反映出各种农业种植系统的变化趋势，为农业实践提供科学的指导。

[0078] 优选的是，可以利用发展综合指标(IntInd)替代所述碳足迹(CF)作为评价指标，来确定最佳农业种植系统。所述发展综合指标(IntInd)，如下式(6)和(7)所示：

[0079] IntInd＝αCF/(βNUE+γWUE) (6)

[0080] α+β+γ＝100％ (7)

[0081] 其中，α，β，γ分别为农业生产的碳足迹(CF)、氮利用效率(NUE)和水利用效率(WUE)的权重系数，其取值范围分别为35-45％，26-34％以及26-34％，IntInd值最小的农业种植系统即为研究区最佳农业种植系统。

[0082] 实施例

[0083] 以华北平原四个地点(南阳、新乡、泰安和栾城)为研究区，以小麦和玉米为例，利用本发明的技术方法对该研究区的未来最优种植系统进行了预测研究，研究时段为(Baseline,2000-2009)和未来(2050-2059)，碳足迹(CF)、氮利用效率(NUE)和水利用效率(WUE)的权重系数分别为40％，30％和30％，其中利用APSIM模型，采用气候、土壤、站点历史多年实验观测数据资料。

[0084] 其中，小麦以及玉米的品种参数以及初始具体取值如下表1所示。

[0085] 玉米的种植期区间为5月25日至7月1日和5月25日至6月25日，玉米收获之后15日之内播种小麦。小麦种植密度的区间设定为每平方米150-800株，玉米设定为每平方米4-9株。在播种期和拔节期施肥两次，氮施肥总量设定11个水平，从0到300kg/ha，以30kg/ha为步长增加。玉米无灌溉，小麦灌溉设定为6个水平：1)无灌溉，2)播种时灌溉80mm，3)播种时灌溉80mm+越冬前灌溉80mm，4)播种时灌溉80mm+越冬前灌溉80mm+拔节期灌溉80mm，5)播种时灌溉80mm+越冬前灌溉80mm+拔节期灌溉80mm+开花期灌溉80mm，6)播种时灌溉80mm+越冬前灌溉80mm+拔节期灌溉80mm+开花期灌溉80mm+灌浆期灌溉80mm。

[0086] 表1：小麦和玉米模型在四个代表站点所采用的遗传参数值

[0087]

[0088] 模拟计算结果如图2-5所示。

[0089] 图2是华北平原新乡地区八种农业种植系统(CW,小麦单作；CM,玉米单作；CS,大豆单作；WS,小麦-大豆轮作；MS,玉米-大豆轮作；WM,小麦-玉米轮作；WM-NI,小麦-玉米轮作无灌溉；WM-OPT,小麦-玉米轮作优化系统)多目标模拟结果，包括Yield,作物产量；SOC,土壤有机碳；N2O,氧化亚氮；N leaching,氮淋洗；GWR,地下水补充；ET,蒸散发；NUE,氮利用效率；WUE,水利用效率。

[0090] 图3是华北平原栾城地区八种农业种植系统(CW,小麦单作；CM,玉米单作；CS,大豆单作；WS,小麦-大豆轮作；MS,玉米-大豆轮作；WM,小麦-玉米轮作；WM-NI,小麦-玉米轮作无灌溉；WM-OPT,小麦-玉米轮作优化系统)在目前基准(Baseline,2000-2009)和未来(2050-2059)两种(RCP2.6,RCP8.5)气候变化情景和两种耕作管理(Conventional tillage,传统耕作；Conservation tillage,保护性耕作)下各目标参数模拟变化示意图。

[0091] 图4是华北平原四个地点(栾城、南阳、泰安和新乡)八种农业种植系统(CW,小麦单作；CM,玉米单作；CS,大豆单作；WS,小麦-大豆轮作；MS,玉米-大豆轮作；WM,小麦-玉米轮作；WM-NI,小麦-玉米轮作无灌溉；WM-OPT,小麦-玉米轮作优化系统)碳足迹(CF)在目前(Baseline,2000-2009)和未来(2050-2059)两种(RCP2.6,RCP8.5)气候变化情景和两种耕作管理(Conventional tillage,传统耕作；Conservation tillage,保护性耕作)下模拟结果示意图。

[0092] 图5是华北平原四个地点(栾城、南阳、泰安和新乡)八种农业种植系统(CW,小麦单作；CM,玉米单作；CS,大豆单作；WS,小麦-大豆轮作；MS,玉米-大豆轮作；WM,小麦-玉米轮作；WM-NI,小麦-玉米轮作无灌溉；WM-OPT,小麦-玉米轮作优化系统)发展综合指标(IntInd)在目前(Baseline,2000-2009)和未来(2050-2059)两种(RCP2.6,RCP8.5)气候变化情景和两种耕作管理(Conventional tillage,传统耕作；Conservation tillage,保护性耕作)下模拟结果示意图。

[0093] 如图所示，模拟结果显示出各个种植系统在不同时段气候变化情景下变化，其中WM-OPT(小麦-玉米轮作优化系统)整体表现最优，碳足迹(CF)以及发展综合指标(IntInd)在各个时段中的值都较小，而CS(大豆单作)整体表现最差，在各个时段中的值都较大。

[0094] 与现有技术相比，本发明采用农业系统模型，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。有益效果有:1)针对某一地区气候环境条件，科学地选择适宜的农业种植系统，提高农业资源利用效率。
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)减少农业生产投入和成本。

[0095] 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。

标题	发布/更新时间	阅读量
负碳排放系统及其方法	2020-05-15	496
真空泵送和减排系统	2020-05-17	635
一种基于云计算技术的智能网联交通服务系统	2020-05-08	497
智能工件	2020-05-15	781
沉淀碳酸钙的受控方法和通过所述方法形成的球霰石沉淀碳酸钙组合物	2020-05-19	818
一种低结晶性生物可降解聚酯及其制备方法	2020-05-08	587
一种生物基高透明度高分子薄膜及其制备方法	2020-05-08	909
基于动态规划的产品低碳设计方法	2020-05-18	578
智能食谱推荐装置、其方法及自动烹饪装置	2020-05-12	743
一种用于家用洗涤剂产品的碳足迹的核算方法及系统	2020-05-13	25