Documente Academic
Documente Profesional
Documente Cultură
Historia del artículo: sistemas de apoyo para la programación de riego agrícola son generalmente di señados y desarrollados
Recibió 19 de noviembre de 2 015 para las regiones agrícolas mercantiles o distritos de riego. se desean programación del riego
Recibido en forma 13 de julio de herramientas de soporte de decisiones flexibles que son aplicables a diversos distritos de riego para la
2.016 revisado Accepted 14 de julio
planificación del riego agrícola sonido y la gestión. Este estudio intenta desarrollar un sistema de
2016
programación de riego de soporte de decisiones flexible (FIS-DSS) que podría ser fácilmente
Disponible en línea el 21 de julio de el
año 2016 personalizado y adaptado a diferentes distritos de riego y de los casos, y no es necesario el d esarrollo de
software de este modo repetido. La desarrollado FIS-DSS incluye una interfaz de usuario, una base de
palabras clave: conocimientos, y un motor de inferencia. A medida que el módulo de núcleo de la FIS-DSS, el motor de
Sistema de ayuda a la inferencia utiliza programas de ordenador específico fi para maniobrar la base de conocimientos, y la
decisión del agua de riego base de conocimientos se utiliza para almacenar y proporcionar datos, conocimiento, la información y las
Fuzzy programación de reglas para el motor de inferencia. A medida que el núcleo de la FIS -DSS, un modelo de programación
intervalo intervalo difusa con múltiples objetivos y limitaciones se desarrolló con ventajas en el procesamiento de
Asignación óptima
datos, modelo fl exibilidad, algoritmo de resolución alternativa y de visualización del resultado de usar.
Los usuarios del sistema pueden obtener esquemas de asignación de agua adecuados para cada cultivo en
una manera temporal y espacial mediante la modificación de las entradas del modelo y escenarios a
través de la interfaz de software. Un estudio de caso fue introducido para demostrar las funciones y
operaciones de la FIS-DSS, y la información útil tiene algoritmo de resolución alternativo y
visualización del resultado de usar. Los usuarios del sistema pueden obtener esquemas de asignación de
agua adecuados para cada cultivo en una manera temporal y espacial mediante la modificación de las
entradas del modelo y escenarios a través de la interfaz de software. Un estudio de caso fue introducido
para demostrar las funciones y operaciones de la FIS-DSS, y la información útil tiene algoritmo de
resolución alternativo y visualización del resultado de usar. Los usuarios del sistema pueden obtener
esquemas de asignación de agua adecuados para cada cultivo en una manera temporal y espacial
mediante la modificación de las entradas del modelo y escenarios a través de la interfaz de software. Un
estudio de caso fue introducido para demostrar las funciones y operaciones de la FIS-DSS, y la
información útil tiene ha generado para proporcionar una guía práctica para la asignación de agua para la
agricultura y la utilización.
© 2016 Elsevier BV Todos los derechos
reservados.
http://dx.doi.org/10.1016/j.agwat.2016.07.019 0378-
3774 / © 2016 Elsevier BV Todos los derechos
reservados.
382 G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378-
389
las restricciones no
negativos
condiciones
de
crecimiento
de cultivos Figura 2. marco de modelado.
382 G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378-
389
menú desplegable
muchas regiones de China. Cuando el desarrollado FIS-DSS se
aplica a un nuevo distrito de riego, los usuarios pueden importar
directamente los datos de los cultivos y el agua para el nuevo
distrito para el cálculo de modelo y de análisis, lo que hace que
el sistema portátil y flexible.
2. La desarrollado FIS-DSS
incertidumbre d
SÍmi
llinois
I
- d W±
o c, ijl o
C, I ij ETcm, il W, IJ
j KL
Figura 2 presenta la optimización de modelado marco desa- MaxF ± = yo= j= l= yo= 1 j= k= l= (4)
1 1 1 1 1 1
artículo de opinión para el FIS-DSS. El modelo desarrollado Σ Σ
ICROP iSubareaiSource iStage
incluyemúltiple 4 ΣΣ W ±
yojkl
objetivos que se han de maximizar beneficios económicos por
yo= 1 j = 1 k = 1 l = 1
recursos de la unidad económica per fi to. Las variables de
decisión son capas SUP- agua para los cultivos. Las limitaciones
de modelo incluyen la evapotranspiración limitaciones,
restricciones de disponibilidad de aguas superficiales, aguas
subterráneas
restricciones de disponibilidad, las limitaciones prioritarias de las Los cuatro objetivos tienen diferentes puntos de énfasis.
aguas superficiales, las limitaciones de equidad y etc. En este Eq.(1) es maximizar los ingresos brutos económica fi nes y la Ec.
problema de optimización multi-objetivo, algunos parámetros (2) es maximizar la red económica fi nes. Estos dos objetivos se
(incluyendo el suministro de agua, la precipitación y el precio de centran en la producción de más rentabilidad económica y
mer- cado de los cultivos) son inciertos y no se pueden conocer aumentando así los ingresos brutos y netos para los agricultores.
con precisión, y la difusa y enfoques de programación de Eq.(3) es maximizar los beneficios económicos por unidad de
intervalos serán utilizados para hacer frente a sus incertidumbres. superficie de tierras de cultivo y la Ec. (4) es maximizar el ben- e
Los detalles del modelo se explicarán en el siguiente contexto. fi cios por unidad de metro cúbico económica del agua de riego
suministrada. Estos dos objetivos tratan de lograr los máximos
beneficios económicos virtud de las limitaciones de
2.2.1. funciones objetivo del sistema disponibilidad limitada de la tierra y los recursos hídricos. Para
A continuación se presentan los cuatro objetivos para los muchos distritos de riego en China con problemas de escasez de
usuarios elegir en los países desarrollados FIS-DSS. La agua, las ecuaciones.(3) y (4) deben ser considerados como los
denotación de cada símbolo en las siguientes funciones objetivo objetivos con el fin de lograr un equilibrio entre la rentabilidad y
se proporciona en elApéndice UN. los recursos económicos consumo.
Σ ICROPiSubarea iStageyo
. Σ
hIll
MaxF1 ± = Σ c, ijl inois
doC, i UNijY ±
ETcm, (1)
mi
E 2.2.2. restricciones
yo= 1 j = 1
il
Tl= 1 El modelo de optimización desarrollado incluye 5 categorías
de con-straints y restricciones no negativos. Se describen en
iStageyo
. Σh detalles
MaxF ± = ΣICROP
c, linois Il Σ Σ Σ Σd
ICROP es ubareai Fuente iStage
W ± (2) abajo.
Σ
es ubarea UN Y ijl
±
-
o
2
d C, i ij m, i W, IJK
o ETcm, il j L
yo= 1 j= l=
ET yo= 1 j= k= l=
1 1 1 1 1
tage
i
-jl d W±
o
C, I ij ETcm, il W, IJ
j KL
MaxF3 ± =
yo= j= l= 1 yo= j= k= l=
(3) ETdo±, ijl ≥ ETdo min, il∀ yo, j, l (5)
1 1 ICROP
iSubarea 1 1 1 1
Σ Σ
UNij
yo= j=
ET±c, ijl ≤ ETcm, il∀ i, j, l (6)
1 1
G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378- 383
389
⎧ > ETcm,
Restricción (8) se refiere a suministro de agua para i cultivo
⎪ = ETcm, ijl
+ ijl Σ superficie durante la etapa de crecimiento l. Restricción(9)
. AR
il significa la cantidad ex- tracción de agua aprobado para el riego
ilSi PAG~ (WR).
⎪
⎨
iSource
ETdo±, ijl Σ ∀ i, j, l (7)
Wyo±j
1l (3) las restricciones sobre la disponibilidad del agua subterránea
⎪
⎩ = 0.1 k= 1
+ ijl + ijl de
otra
UN PA AR manera
G~
ij IJ .
KL
. =0 PAG~ ijl + Arkansasijl >
Restricción (5) Σ que el evapotranspiración excede el
. denota ± si Σ k = 2, ∀ i, j, l (10)
ET mínimo ETdo . Restricción(6) indica el evapotranspi- W
ETcm, il
min
de otra
≤ yjk WW, manera
ración no debe exceder el máximo ET (ETcm).. Restricción
Σ (7) da las
j
expresiones matemáticas para ET ETc ± cuando el agua está sobre-
suministrada desde la precipitación y la recarga de los acuíferos. Σ Σ W±
iCropiStageyo
≤W k = 2, ∀ j (11)
yjk W, j
IJ
yo= l=
(2) las limitaciones de disponibilidad de 1
KL 1
agua superficial
. . Σ Restricción (10) da la cantidad de agua subterránea disponible en
= 0si PAG~ ijl + UNRijl > ETcm, iloIllinois = 0 1, ∀ i, j, l (8) dis- . Σ
W± k trito j para el riego Wisconsin±jkl . Restricción (11) denota el
384total G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378-
389
= . Σ
IJK T de otra manera
L ≤Q
max, il jk cantidad de extracción de agua subterránea permitido WW, j
iCropiSubareaiStageyo
± para el riego
W
en cada subárea.
Σ Σ Σ IJKL
≤ W k = 1 (9)
yjk R
yo= j= l= (4) las limitaciones prioritarias de
1 1 1 las aguas superficiales
G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378- 385
389
. . Σ
iStageyo
= 0 si Wij1l± ≤ Q Ty =1
Wyo±j max, il jk Σ Σ
iSubareaiSubarea
iStageyo - ETdo±, |
Σ ETdo±,
kl | ij2 l
I
ll k = 2, ∀ i, j, l (12) ij1 l Σ |
≤ Qmax, jkTIllinoisde otra manerai j1 j2 l= 1 l= 1
n
o ≤ G0∀ yo (13)
i 2N2μy
Restricción (12) indica que las aguas s subterráneas de suministro o
no está permitido
cuando más agua de la superficie se
(5) restricciones de equidad
puede utilizar.
386 G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378-
Restricción (13) indica que las 389
Fig. 10. la distribución del agua de riego durante las etapas de crecimiento.
3. Aplicación de FIS-DSS
Fig. 11. intervalo de ET de los cultivos. Las columnas negras representan gama de ET.
4. conclusiones
Expresiones de gratitud
Apéndice A. Castelletti, A., Galelli, S., Ratto, M., Soncini-Sessa, R., Young, PC, 2012. Un
marco general para el modelado de emulación dinámica en los problemas
ambientales. Reinar. Modell. N del software 34, 5-18.
Los parámetros del modelo son: Chauhan, YS, Wright, GC, Holzworth, D., Rachaputi, RCN, Payero, JO, 2013.
AQUAMAN: un sistema de soporte de decisiones basada en web para la
programación del riego en los cacahuetes. Irrig. Sci. 31 (3), 271-283.
F1±, (RMB), total bruto bene fi cio de Dubois, D., Hanss, M., 2007. Aplicada Aritmética Difusa: Una introducción
con aplicaciones de ingeniería. Springer, Berlín.
sistema; f2 ±, (RMB), total red bene fi cio
de sistema; F3±, (RMB), red bene fi cio de Dubois, D., Foulloy, L., Mauris, G., Prade, H., 2004. transformaciones
Probabilidad-posibilidad, los conjuntos borrosos triangulares, y las
sistema por acre;
desigualdades probabilísticos. Comput fiable. 10 (4), 273-297.
F4±, (RMB), red bene fi cio de sistema por cúbico metro de
Galelli, S., Gandol fi, C., Soncini-Sessa, R., Agostani, D., 2010. La construcción de
irrigación
un metamodelo de un modelo de parámetros distribuidos distrito de riego.
agua suministrada;
Agric. Administrar el agua. 97 (2), 187-200.
yo, El índice de cultivos; Gu, JJ, Guo, P., Huang, GH, Shen, N. 2013. La optimización de la estructura industrial
j, El índice de subáreas; hacia el desarrollo sostenible en la ciudad basada en los recursos sometidos a los
k, Índice para dos recursos hídricos; l, recursos hídricos en condiciones de incertidumbre. Stoch. Reinar. Res. Riesgo A
27 (3), 659-673.
Índice para la etapa de crecimiento de la
Guo, P., Chen, X., Tong, L., Li, J., Li, M., 2014. Un modelo de optimización
cosecha yo; j1 y j2, índice para subáreas; para un sistema de riego fi cit de cultivos de bajo incertidumbre. Ing.
ICROP, el número de especies de Optimiz. 46 (1), 1-14.
cultivo; iSubarea, el número de Huang, GH, Qin, XS, Sun, W., Nie, XH, Li, YP, 2009. Un sistema de soporte de
decisiones ambientales basados en la optimización para el desarrollo sostenible
subáreas; iSource el número de fuentes en una zona rural de China. Civ. Ing. Reinar. Syst. 26 (1), 65-83.
de agua; Karamouz, M., Ahmadi, A., Yazdi, MSS, Ahmadi, B., 2014. Evaluación económica de las
iStage, el número de etapas de crecimiento de los cultivos i; estrategias de gestión de los recursos hídricos. J. Irrig. Desagüe. Ing. 140 (1),
04.013.005.
Wisconsin±jkl, (M3), agua suministro para cultivo yo en distrito j Lai, Y., Hwang, C., 1992. Un nuevo enfoque para algunos problemas de programación lineal
de agua fuente posibilistas. Syst conjunto difuso. 49 (2), 121-133.
k durante la etapa de crecimiento l; Leenhardt, D., Trouvat, JL, Gonzales, G., PERARNAUD, V., Prats, S., Bergez, JE, 2004a.
La estimación de la demanda de riego para la gestión del agua a escala regional
WW, , (M3), la cantidad de agua subterránea disponible en II. Validación de ADEAUMIS. Agric. Administrar el agua. 68 (3), 233-250.
j el distrito de j para el riego; Leenhardt, D., Trouvat, JL, Gonzales, G., PERARNAUD, V., Prats, S., Bergez, JE, 2004b.
WR, (M3), la cantidad de agua de la superficie disponible La estimación de la demanda de riego para la gestión del agua a escala regional I.
para el riego;
ADEAUMIS, una plataforma de simulación basado en el modelo bio-
PAG~ , (Mm), la precipitación de cultivo i en el distrito j decisional y la información espacial. Agric. Administrar el agua. 68 (3),
ijl durante la etapa de crecimiento l; 207-232.
Li, YP, Huang, GH, 2007. programación cuadrática estocástica multietapa inexacto
Ark , método para la planificación de sistemas de recursos hídricos en condiciones de
(Mm), otra agua estimada para cultivo i en el distrito incertidumbre. Reinar. Ing.
ansa j durante la etapa de crecimiento l; Sci. 24 (10), 1361-1378.
Li, M., Guo, P., Liu, X., Huo, GHZ, 2014A. Un sistema de toma de apoyo a las tierras de
sijl cultivo
la gestión del agua de riego y fuentes no puntuales de contaminación agrícola
Qmax, jk, (metro3/ D), máximo de flujo en el distrito de j de la
controlar. Desalin. Tratar el agua. 52 (25), 5106-5117.
fuente de agua k; Li, M., Guo, P., Yang, GQ, Fang, SQ, 2014b. IB-ICCMSP: un óptimo modelo de
aij, (Ha), área de siembra de la cosecha de i; asignación y planificación del agua de riego integrado basado en la teoría de
Ym, i, (Kg / ha), el máximo rendimiento de la cosecha de i; inventarios en condiciones de incertidumbre. Resour agua. Gestionar. 28 (1),
CC±,yo, (RMB / kg), mercado precio de cultivo yo; 241-260.
Lu, H., Huang, G., Liu, Z., Él, L., gas de efecto invernadero 2008. mitigación
CW, j, (RMB / m3), el precio integral del agua para los inducida por la programación áspera-intervalo para la gestión de residuos
agricultores locales en el distrito j; sólidos urbanos. J. Aire Residuos Administrar. 58 (12), 1546-1559.
ETdo±, ijl, (Mm), el real evapotranspiración; Lu, HW, Huang, GH, Zhang, YM, He, L., 2012. estratégico agrícola planificación
del uso de la tierra en respuesta a la variación-suministrador de agua en la
región rural de una China.
Agric. Syst. 108, 19-28.
ETcm, , (Mm), la evapotranspiración máxima obtenida bajo
Maia, J., Boteta, L., Fabiao, M., Santos, M., Calera, A., Campos, I., 2012. Sistema de
ijl las condiciones del agua no limitativo; irrigación de soporte de decisiones asistida por satélite. caso sistema de riego de
Alqueva
ETc min, il, (Mm), la evapotranspiración mínimo para la de plagas de insectos en los sistemas de algodón australianos. Comput. Electrón.
supervivencia de Agric. 43 (2), 131-147.
cultivos locales i; Bon fi l, DJ, Karnieli, A., Raz, M., Mufradi, I., Asido, S., Egozi, H., Hoffman,
A.,Schmilovitch, Z., 2004. sistema de apoyo de decisiones para la mejora de la calidad
hil, la sensibilidad del cultivo i al estrés hídrico durante el del grano de trigo en la zona mediterránea de Israel. Res Campo de la cosecha. 89 (1),
crecimiento etapa l; 153-163.
Illinois, índice adimensional para regar cultivos si i en el distrito Cai, YP, Huang, GH, Yang, ZF, Sun, W., Chen, B., 2009. La investigación de la
j desde el depósito; percepción del público hacia el desarrollo rural sostenible basado en un sistema
experto de dos niveles. Syst experto. Appl. 36 (5), 8.910-8924.
til, (D), el número de días para i cultivo durante la etapa de
crecimiento
l;
yjk, la utilización coeficiente del agua de riego en el distrito
de j fuente de agua k;
GRAMO0, el límite de alerta de coeficiente de Gini;
NORTE, el conteo de las subáreas;
μyo , (Mm), averageETdo±, ij l para cultivo yo.
1
referencias
Como Ad, R., Demirli, K., Goyal, SK, 2014. El hacer frente a las incertidumbres en
la producciónplanificación a través de la programación matemática fuzzy:
aplicación a la industria de laminación de acero. En t. J. Oper. Res. 22 (1), 1-
30.
Balderama, DE, 2010. Desarrollo de un sistema de soporte de decisiones para los
pequeñossistemas de riego de depósito en secano y de sequía zonas propensas.
Sci agua. Technol. 61 (11), 2779-2785.
Bange, MP, Deutscher, SA, Larsen, D., Linsley, D., Whiteside, S., 2004. Un
handheldsistema de soporte de decisiones para facilitar la mejora de la gestión
394 estudiar. Opciones Mediterraneennes. Serie B. Etudes G. Yang et al. / Gestión
et Recherches, de Agua para la Agricultura 179 (2017) 378-
195-201.
Nain, AS, Singh, KK, 2016. La conceptualización de 389 un marco de sistema de
soporte de decisiones para la agricultura en la región montañosa. Mausam
67 (1SI), 195-204.
Oad, R., García, L., Kinzli, K., Patterson, D., Sha fi ke, N., sistemas de soporte
de decisión para el riego de 2009. e fi ciente en el Valle del Río Grande
medio. J. Irrig. Desagüe. Ing. 135 (2), 177-185.
Panagopoulos, Y., Makropoulos, C., Mimikou, M., 2012. soporte de decisión
para la gestión del agua agrícola. Nest Global J. 14 (3), 255-263.
Pedras, CMG, Pereira, LS, 2009. El análisis multicriterio para el diseño
de sistemas de riego localizado. Aplicación y análisis de sensibilidad.
Agric. Administrar el agua. 96 (4), 702-710.
Pedras, CMG, Pereira, LS, Goncalves, JM, 2009. MIRRIG: Un sistema de
soporte de decisiones para el diseño y evaluación de sistemas de riego
localizado. Agric. Administrar el agua. 96 (4), 691-701.
Qian, C., Pan, Y., Nakagawa, T., 2002. políticas óptimas para un sistema de
base de datos con dos esquemas de copia de seguridad. Rairo-Oper Res. 36
(03), 227-235.
Qin, X., Huang, GH, Zeng, G., Chakma, A., Huang, YF, 2007. Un intervalo
de parámetros no lineal difusa modelo de optimización para la gestión de
la calidad del agua corriente en condiciones de incertidumbre. EUR. J.
Oper. Res. 180 (3), 1331-1357.
Qin, X., Huang, GH, Chakma, A., Nie, XH, Lin, QG, 2008. sistema experto
basado en MCDM A para la evaluación del impacto del cambio climático
y la adaptación de planificación-Un estudio de caso de la Cuenca de
Georgia, Canadá. Syst experto. Appl. 34 (3), 2164-2179.
Rahmani, MA, Zarghami, M., 2015. El uso del generador de tiempo
estadístico, los datos híbridos impulsados y modelos de dinámica de
sistemas para la gestión de los recursos hídricos bajo el cambio climático.
J. Environ. Informar. 25 (1), 23-35.
Ritaban, D., Ahsan, M., Jagannath, A., D'Este, C, Aruneema, D., 2014.
Desarrollo de un sistema de conocimiento del medio ambiente inteligente
para apoyar las decisiones de agricultura sostenible. Reinar. Modell. N del
software 52, 264-272.
Shen, ZY, Chen, L., Liao, P., 2015. Efecto de los errores de medición de
precipitaciones en fuentes no puntuales de contaminación modelo de
incertidumbre. J. Environ. Informar. 26 (1), 14-26.
Tanure, S., Nabinger, C., Becker, JL, 2013. Bioeconómico modelo de sistema de
soporte de decisiones para la gestión de las explotaciones: Parte I: modelado
conceptual sistémico. Agric.
Syst. 115, 104-116.
Wang, J., Hwang, W., 2007. Un enfoque conjunto difuso para la I + D selección
de la cartera utilizando un verdadero modelo de valoración de opciones.
Omega 35 (3), 247-257.
G. Yang et al. / Gestión de Agua para la Agricultura 179 (2017) 378- 395
389
Woodruff, RD, 1992. 'Wheatman' un sistema de soporte de decisiones para la Young, P., 1998. Los datos basada en la modelización mecánica de los sistemas
gestión de trigo en Australia subtropical. Crop Sci Pasture. 43 (7), 1483- ambientales, ecológicos, económicos y de ingeniería. Reinar. Modell. N del
1499. software 13 (2), 105-122.
Xu, Y., Huang, GH, Xu, TY, 2012. inexacto modelado de gestión para los sistemas de Zhi, Y., Yin, XA, Yang, ZF, 2016. Evaluación de los cambios de las exportaciones
abastecimiento de agua urbanos. J. Environ. Informar. 20 (1), 34-43. de agua virtual de China en 2002 y 2007. Environ. Informar. 27 (1), 43-51.
Yang, G., Guo, P., Huo, L., Ren, C., 2015. La optimización de los recursos de
agua de riego para el distrito de riego toallitas en el norte de China. Agric.
Administrar el agua. 158, 82-98.