王志鵬，劉群昌，戴 瑋，史 源

(中國水利水電科學研究院， 北京 100048)

近年來，水資源短缺問題在國內外受到越來越廣泛的關注。水資源優(yōu)化配置雖然可以在一定程度上緩解水資源供需矛盾突出的問題，但單純依靠水資源優(yōu)化配置難以滿足水需求的多樣性及多變性[1]，如華北地區(qū)人口占全國總人口的24.5%，水資源總量卻不到全國的6%，且降水年間與年際變化很大[2]，在現有農業(yè)種植結構下，只對水資源進行調整已遠不能滿足當地糧食生產、經濟發(fā)展與區(qū)域的可持速發(fā)展的需求。據統(tǒng)計，我國農業(yè)用水量占全國的70%～80%，而種植業(yè)用水占農業(yè)總用水的85%[3]。因此，在水資源約束條件下，以經濟效益和生態(tài)效益為目標，優(yōu)化作物種植結構，對實現水資源與農業(yè)的可持續(xù)發(fā)展起著重要作用，在未來農業(yè)水資源發(fā)展中必將占據越來越重要的位置。

1 基于水約束的種植結構優(yōu)化在國內外發(fā)展概況

在國外，早期的研究主要集中在不同的自然資源狀況和社會發(fā)展水平對農作制度進行劃分和比較。隨著時間的推移，在資源優(yōu)勢和經濟狀況方面，不同的國家和地區(qū)形成了不同的格局，導致了各有側重的研究方向，其中，歐美國家在農業(yè)方面發(fā)展較快且人少地多，形成了側重于經濟效益及其資源和環(huán)境保護的發(fā)展格局，而亞洲和非洲的一些國家由于人多地少，只能發(fā)展生存型農業(yè)，這些國家把農業(yè)發(fā)展的重點放在增加產量上，研究的內容主要是兩個方面，一是如何使有限的農業(yè)資源得到充分有效的利用，二是如何生產滿足人民生活和國家發(fā)展的糧食[4]。多熟種植較早形成于亞洲的一些濕潤熱帶區(qū)，尤其是在20世紀40年代中期，亞洲東南部地區(qū)在這方面的研究取得了極大的進展，20世紀60年代后，亞洲國家逐漸把對種植制度的研究放在了越來越重要的位置上[5]。隨后的十年，大部分南亞和東南亞國家對種植制度進行了更深入的研究[4]，并逐步開展了對種植制度目標和方法學的研究。在熱帶雨林地區(qū)，由于濕潤的天氣及人口增加導致的糧食需求，逐步形成了農林復合種植制度[5-6]。農業(yè)商品化始于19世紀，當時，美國根據對自身自然資源與其它資源狀況的分析和比較，形成了一年一熟的專業(yè)化作物種植帶的農業(yè)格局[4]。進入20世紀80年代后，由于可持續(xù)農業(yè)發(fā)展理念的提出，美國在考慮了本國自然資源與生產條件后，發(fā)展方向轉變?yōu)閷﹂L期低投入種植的研究[7]。隨后，種植制度的開展越來越多地開始重視經濟效益，對低投入種植制度的研究隨之興起[8-9]。

國內種植結構優(yōu)化的發(fā)展狀況可從兩方面進行分析，一是從調整的內容和目的來看，自1949年至改革開放之前，大部分的種植業(yè)結構由政府直接調整，隨著時間的增加，人口也不斷增多，要以占世界7%的耕地養(yǎng)活占世界22%的人口，對種植業(yè)調整的第一要務就是高產、多產，如何形成高產，多熟的種植模式成為當時種植業(yè)調整的主要重點[10]。進入20世紀90年代以來，對經濟效益的追求開始在種植結構優(yōu)化中占據越來越重要的位置。這個時期，“多元種植”開始成為種植結構優(yōu)化的主體，研究變?yōu)閷Ω鱾€地區(qū)進行與之自然與資源條件相匹配的多元種植制度調整為重點[11-12]。二是從種植結構調整的方法上看，國內對農業(yè)結構調整進行定量分析優(yōu)化始于20世紀80年代[10]。在這個時期之后，很多數學物理分析方法被應用于種植結構的優(yōu)化調整中，如線性規(guī)劃、熵權規(guī)劃、灰色理論、結構理論等[13]。如今，隨著科學技術的發(fā)展，高新技術如GIS和遙感被越來越多的應用于種植結構優(yōu)化中，由于這些技術的加入使優(yōu)化變得更加便捷與多樣化，對未來的種植結構優(yōu)化調整提供了一個很好的研究方向。

2 基于水約束的種植結構優(yōu)化目標研究綜述

水資源約束下的種植結構優(yōu)化多是根據區(qū)域水資源配置對作物種植結構進行調整以實現最大的目標效益。由于種植結構優(yōu)化方法自身會受到很多因素的影響，如地理環(huán)境，作物種類，水資源條件及當地的經濟發(fā)展狀況等，因此，種植結構優(yōu)化目標的確定形成了多種方法。

種植結構優(yōu)化方法首先要確定優(yōu)化目標及約束條件，再根據數學方法構建相應的優(yōu)化模型。

2.1 種植結構單目標優(yōu)化

種植結構單目標優(yōu)化一般是指以經濟效益最大，糧食產量最高，經濟增量最多等單一目標建立的種植結構優(yōu)化模型。

早期的種植結構優(yōu)化模型多以經濟增益和糧食增產等為目標建立的單一目標規(guī)劃模型。如許拯民[14]以經濟效益最大為目標建立了種植結構優(yōu)化模型，在供水能力，養(yǎng)殖業(yè)，土地面積，農業(yè)生產總量等約束條件下，以種植面積為決策變量對種植結構進行了優(yōu)化。王書裕[15]以糧食產量最大為目標建立的線性目標函數，在種植面積，穩(wěn)產，高產，有利于提高和恢復地力等約束下對作物種植面積進行安排以使糧食產量達到最大。隨后，很多研究開始在追求目標效益的同時考慮水資源對農業(yè)種植的影響。如Khepar等[16]為尋求運河灌區(qū)的最佳種植模式，以凈效益最大為目標，比較了多種可選擇的地下水模式并對作物生長的適宜土壤環(huán)境進行了研究。閆聽領等[17]將作物總凈收益最大化，以南水北調中線供水區(qū)的農業(yè)灌溉量為依據，結合國家對三種作物種植比例的規(guī)劃，擬定了三種不同種植結構方案。在考慮了區(qū)域之間的相互聯(lián)系后，梁美社等[18]將虛擬水貿易作為一種調節(jié)工具，提出了基于區(qū)域虛擬水貿易的種植結構優(yōu)化模型，在以農業(yè)經濟效益增加量最大為目標的同時，還綜合考慮了生態(tài)效益。在之后的發(fā)展中，部分研究還考慮到了時間與灌溉方式對種植結構的影響。如張帆等[19]以經濟效益最大為目標構建了雙區(qū)間兩階段隨機優(yōu)化模型，構建的模型對五個水平年的種植結構進行了優(yōu)化，并將優(yōu)化結果與現狀水平年進行了比較。林琳等[20]開展了種植結構變化下渠井結合灌區(qū)用水優(yōu)化配置研究，得出作物種植比例為0.9，渠井用水比為2∶1下，灌區(qū)經濟效益最大，為1205萬元。

2.2 種植結構多目標優(yōu)化

隨著農業(yè)可持續(xù)發(fā)展觀念的普及，原有的種植觀念發(fā)生了改變，由單純追求產量和收益的單目標模式轉向追求以產量為基礎，經濟生態(tài)效益并重的多目標模式[21]。如周寶利等[22]對經濟效益、社會效益及生態(tài)效益三個目標進行規(guī)劃，以菜源結構為指導，在作物最適匹配的條件下建立了多目標優(yōu)化模型；Mainuddin等[23]以凈收益和作物灌溉面積最大為目標，結合可利用資源的不確定性，建立了一個機會約束優(yōu)化模型。隨著時間的推移，水資源約束被逐漸運用到種植結構優(yōu)化中，如李茉等[24]以上下層種植綜合效益為目標，在最小灌溉水量條件下定量得到了研究區(qū)域的最大種植收益，并且兼顧并綜合了上下層管理者的建議，構建了基于雙層分式規(guī)劃的多目標優(yōu)化模型。在這之后，由于實際情況的差異，研究者設定了不同目標來進行種植結構的優(yōu)化。如Raju等[25]以凈效益、作物產量和勞力雇傭三個相互矛盾的項目為目標，在多目標規(guī)劃環(huán)境下，構建了優(yōu)化模型。張帆等[26]以種植作物經濟收益期望值與種植作物用水量期望值為目標，以目標比值方式構建分式規(guī)劃，得到了不同水文年不同可用水量條件下的種植結構。黃麗麗等[27]將總產量、相對生態(tài)價值最大和肥料施用量最小作為規(guī)劃目標，構建了多目標模型，模型可以進行參數區(qū)間不確定性以及約束模糊不確定性的處理。

隨著水資源的不確定性與農業(yè)種植需求的多樣化發(fā)展，基于水約束的種植結構多目標優(yōu)化會得到越來越多的應用，多目標優(yōu)化研究也將占據越來越重要的位置。

3 基于水約束的種植結構優(yōu)化算法研究綜述

隨著時間的發(fā)展與對科學技術和數學方法的研究進展，對于種植結構優(yōu)化模型的求解形成了多種方法。

3.1 傳統(tǒng)優(yōu)化算法

種植結構優(yōu)化在選定好優(yōu)化目標后，傳統(tǒng)算法往往采用線性規(guī)劃對單目標進行求解[28]。Heady[29]第一次將線性規(guī)劃引入作物種植面積分配問題中，隨后對于種植結構優(yōu)化單目標優(yōu)化問題多采用此方法進行求解。對于多目標求解問題，傳統(tǒng)算法常采用權重法將其轉換為單目標問題進行求解，如盧劍波[30]在提到的線性加權法，即由有經驗的一群人主觀決定各目標的權重大小。李丹[31]運用層次分析法來確定各目標的權重，從而解決了多目標求解問題。湯瑞涼[32]提出用熵權系數法確定權重，構建了一種以主觀權重與客觀權重之積解決多目標問題的模型方法。陳守煜等[33]提出模糊定權的方法，運用模糊理論對各目標權重進行求解。武雪萍等[34]運用灰色理論來確定權重，解決了確定權重過程的不確定性問題。張端梅等[35]采用模糊偏好的方法來解決多目標的權重問題。郭曉曉[36]利用3S技術，運用層次分析法，確定每個因子的權重，構建了基于像元的優(yōu)化模型。此外，Raju等[25]以凈效益、作物產量和勞力雇傭為目標，先求得目標函數的最大值與最小值，最后將經濟效益確定為目標函數，將作物產量與勞力雇傭利用最大最小值轉換為約束條件，以求解最優(yōu)值。黃麗麗等[27]基于“Max-min”理論，引入兩相模糊規(guī)劃，實現了對多目標的求解。

傳統(tǒng)的優(yōu)化算法對多目標進行求解時，多是采用一些數學方法將多目標問題轉換為單目標問題，然后用已有的成熟理論進行處理，多數情況只能求得一個最優(yōu)解，對一些復雜的非線性問題求解困難。

3.2 遺傳進化算法

1975年，Holland[37]教授在他的著作中第一次提到了遺傳算法這一概念，這是通過模擬生物自然進化過程來進行最優(yōu)解搜索的一種算法[38]。其主要優(yōu)點是：可以直接對優(yōu)化目標進行操作，很大程度上避免了對優(yōu)化結構的數學計算；內部隱并行性強，且可以非常有效的進行全局意義的概率搜索；具有極大的靈活性及優(yōu)異的全局觀[39]。高洪香等[40]將遺傳算法用于求解灌區(qū)的種植結構調整，通過MATLAB遺傳編程，最后得出多種優(yōu)化方案，并從中選出最優(yōu)的結果。彭長青等[41]將遺傳算法與GIS相結合，通過對自然進化過程的探討模擬，利用簡易的編碼技術和遺傳相關操作高效地解決了組合優(yōu)化的難題。

遺傳算法不是從一個點開始進行求解，而是從很多點開始進行計算，這種特性降低了產生局部收斂解的可能性，且遺傳算法對不同問題與不同條件的適用性很強，但使用該算法進行求解時，在算法，計算量，參數設置等方面存在一定局限性。

3.3 智能優(yōu)化算法

種植結構優(yōu)化是一個連續(xù)的非線性問題，已有的算法往往運算緩慢且對于一些復雜問題求解困難，因此，必須進行優(yōu)化算法的改進，智能優(yōu)化算法的提出使這個困難得到了緩解。近年來，蟻群算法，粒子群算法在種植結構優(yōu)化方面得到了了越來越廣泛的應用。這些算法在解決問題時，使優(yōu)化的效率和效果得到了極大的提高。

3.3.1 基于蟻群算法的種植結構優(yōu)化研究綜述

蟻群算法最早是由意大利學者Colorn等于1992年提出的，是一種由研究螞蟻如何尋找路徑來發(fā)現食物而提出的一種啟發(fā)式仿生算法[42]。由于它采用分布式并行計算機制，使之易與其他方法結合，且具有較強的抗變換性[43]。蟻群算法可以概括為適應和協(xié)作兩個階段[44-45]，在第一個階段，候選解通過信息的累積不停對自身構造進行調整；在第二階段，候選解通過互相的信息溝通，不斷更新以產生問題的最優(yōu)解[42]。如張智韜等[46]將蟻群算方法與遙感獲取圖像相結合，對不同方案下兩種不同的約束方案進行優(yōu)化求解，通過優(yōu)化結果選出最優(yōu)方案。

蟻群算法可以適用于求解全局性問題，對全局進行搜索，并可以進行復雜問題的求解，但因此也會產生相應的運算時長，耗時較多。目前將蟻群算法用于種植結構優(yōu)化求解還有很多發(fā)展空間，有著很好的研究前景。

3.3.2 基于粒子群算法的種植結構優(yōu)化研究綜述

粒子群算法是在20世紀中期由Kennedy等[47]提出的一種模擬優(yōu)化智能算法。粒子群算法對群體行為機制進行了模仿，并且結合了美國生物學家提出的生物群體模型，同時還融入了進化計算的思想，是一種根源于人工生命的研究，粒子群算法的基本原理是隨機粒子群根據其自適應性在解空間飛行，動態(tài)更新自己的速度和位置，并用相關函數和方法計算它們的適應度，選出Pbest(個體極值)和Gbest(全局極值)，最終通過迭代尋求最優(yōu)解[48]。如陳兆波[28]綜述了各算法并分析了優(yōu)缺點后，用粒子群算法進行了種植結構優(yōu)化多目標求解。王玉寶[49]對原有的粒子群求解的方法的缺點進行闡述后，采用混沌粒子群算法解決了種植結構多目標優(yōu)化問題。隨后，王雷明[50]利用MATLAB進行編程，對優(yōu)化模型采用自適應混沌粒子群算法進行求解。

粒子群智能算法在編程方面較簡單，計算結果的收斂速度較其他算法快，結果的精確度也相對要高。因此，粒子群算法成為當前解決多目標問題應用最多的算法。但是對于不同問題的求解，如何選擇參數以達到最優(yōu)效果，以及對速度的動態(tài)調節(jié)方面，仍存在一定的局限性。

4 存在問題及展望

綜上所述，國內外對種植結構優(yōu)化方面的研究經歷了由淺至深、逐漸成熟的過程，研究成果也比較豐富，但仍有很多值得思考的問題與發(fā)展的空間，主要體現在以下幾個方面。

(1) 目標函數確定還不夠完善?，F有優(yōu)化方法的目標多數只考慮糧食產量最大、經濟效益最高，即便是考慮了生態(tài)問題，也是定性分析多，缺乏定量化的科學表達，影響了優(yōu)化結果的可靠度和應用價值。目標函數確定是一個復雜、動態(tài)的系統(tǒng)工程，國民經濟發(fā)展狀況、水資源稟性、氣候變化、土壤條件、人類活動、科技進步等等都與目標有顯性和隱性的關聯(lián)，因此合理確定目標函數仍是今后研究的內容之一。

(2) 約束條件缺乏系統(tǒng)性。“水多、水少、水臟”都會影響作物種植的結構、效益，且在不同區(qū)域各有側重。如北方地區(qū)主要表現在水資源缺乏及水污染嚴重，缺水是限制條件；而南方地區(qū)則水多需要排澇、季節(jié)性缺水需要灌溉，水污染狀況更不容樂觀。但現有的資源約束因素多關注缺水而往往忽略水多和水臟問題；同時，水資源約束問題還涉及到上下游、左右岸的關系，灌溉、生活、市政、生態(tài)等用戶。因此，應在考慮區(qū)域水資源承載量的情況下，使各方效益均衡分配，均達到約束條件下的最優(yōu)，并使目標函數的確定和約束條件的設置與研究區(qū)域需求相匹配。

(3) 模型求解尚待進一步優(yōu)化。目前，有關種植結構優(yōu)化的算法雖已經趨于成熟，求解方法已由傳統(tǒng)算法逐步轉變?yōu)橹悄芩惴?，但由于實際問題的多樣性與多變性，對不同實際問題求解的適應性尚需驗證；在參數設置及動態(tài)調節(jié)方面仍存在一定的可進步空間。同時，種植結構優(yōu)化是一個復雜的連續(xù)過程，如對于時空變動，上下層效益，區(qū)域與整體水資源協(xié)調以及與決策者交互等問題，現有模型方法往往只考慮其中一個因素，缺乏一個全面的，系統(tǒng)的可以解決這些問題的模型方法。

5 結 語

水資源短缺問題已成為一個世界性問題，在我國，農業(yè)用水占水資源總量的一半以上，實施基于水約束的種植結構優(yōu)化可以有效的調節(jié)整體水資源及農業(yè)用水。如今，隨著我國綜合國力的提升，對農業(yè)生產早已不是一味地追求經濟效益的增長，而種植結構優(yōu)化方法可以綜合考慮生態(tài)效益及社會效益，并使農業(yè)生產向著更高效高產的方向發(fā)展。因此，構建水約束下的種植結構優(yōu)化調整不僅可以優(yōu)化調整種植結構以達到預期效益，還有利于水資源的高效利用，是促進區(qū)域可持續(xù)發(fā)展的重要措施。

在今后的研究中，如在進行優(yōu)化設計時，應多注重區(qū)域之間的聯(lián)系，尤其是區(qū)域之間水資源的調度問題，將局部水資源問題與總體聯(lián)系起來，考慮總體與局部之間的效益平衡。對于優(yōu)化算法，需提出一個同時具備適應性與通用性的算法，以期在各種條件下的優(yōu)化都能輸出精確結果，并且加快與高新技術結合的研究，如與GIS，遙感等的結合，建立基于高新技術的優(yōu)化求解平臺。最后，除了考慮水資源和區(qū)域效益等問題，還可以綜合種植制度、灌溉技術等多方面進行優(yōu)化，以期在優(yōu)化種植結構的同時，還能提高作物成活率，進一步減少水資源的浪費。