Spatial optimization of water-saving irrigation in Chinese rice paddies: Balancing yield, greenhouse gases, and cost using NSGA-II
Qiang Xu · Fan Yao · Dan Wei 等 14 人
构建空间优化框架，为中国稻田节水灌溉推广寻找兼顾产量、温室气体与成本的路径。
耦合K-means聚类与NSGA-II多目标进化算法，基于15.7万网格的机器学
最优方案增产6.47 Mt、减排63.5 Mt CO2e，成本101.4亿元，推广率80.3%，存在
可将该空间优化框架扩展到其他气候智慧型农业技术，并耦合农户采纳行为与政策激励。
基于NSGA-II的全国稻田节水灌溉空间优化框架，数据规模大、结论具体，对气候智慧型农业政策有决策参考价值。
背景 优化节水灌溉（WSI）推广的空间配置对于平衡水稻生产、温室气体（GHG）减排和经济成本至关重要，但由于计算上的不可处理性，在全国尺度上仍具挑战性。目的 本研究旨在开发一个空间显式优化框架，以识别中国稻田的WSI推广路径，同时最大化产量增益、最大化GHG减排并最小化实施成本。方法 我们将K-means聚类与多目标进化算法（NSGA-II）相结合。基于机器学习预测的157,417个淹水灌溉网格的产量和GHG排放，我们首先将这些网格聚类为500个在环境和农艺上同质的组。然后，我们构建了一个以组级转换率为决策变量的连续优化问题，同时最大化全国产量增益、最大化GHG减排并最小化实施成本。结果与结论 Pareto前沿包含100个非支配解，推广率从61.8%到80.3%不等。通过归一化评分选出的最优解实现了6.47 Mt的产量增益和63.5 Mt CO₂e的GHG减排，成本为101.4亿元人民币，对应全国推广率为80.3%。组尺度转换率表现出显著的空间异质性，并与组规模呈正相关（r = 0.23），揭示了WSI推广中的规模经济。与90%采纳率的随机推广策略相比，我们的优化方案在推广力度低9.7个百分点的情况下实现了高出74%的产量增益，同时实现了相当的GHG减排。意义 我们的框架为精准农业政策提供了一个空间显式的决策支持工具，表明智能空间配置可以显著提高有限资源在推广气候智慧型农业实践中的效率。