Gestión de Agua para la Agricultura 158 (2015) 82-98

listas de contenidos ofrecidos en ScienceDirect

agua para la Agricultura administración

revista Página de inicio: Sevier www.el. com / locat e / agwat

Optimización de la los recursos de agua de riego para el distrito de riego en toallitas norte China

Gaiqiang Yang una , segundo , Ping Guo una , * , lijuan Huo segundo , do , Chongfeng Ren una
una centro de Water Research agrícola en China, Universidad Agrícola de China, Beijing 100083, China
segundo Instituto de Ciencia Ambiental, Universidad de Taiyuan de Ciencia y Tecnología, Taiyuan, Shanxi 030024, China
do Instituto de Medio Ambiente y Sostenible Desarrollo de la Agricultura (IEDA), la Academia China de Ciencias Agrícolas, Beijing 100081, China

nformación del artículo resumen

Artículo historia: En este estudio, un modelo de optimización no lineal de riego intervalo difuso se desarrolla para la asignación óptima del agua en la agricultura distrito de riego
ecibido 10 De enero de 2014 20 de abril de el
toallitas, provincia de Hebei, China. El método desarrollado se puede tratar con valores de intervalo y números borrosos en un objetivo no lineal y un conjunto de
año 2015 Aceptado
restricciones incluyendo la disponibilidad de agua, evapotranspiración, prioridad de agua del depósito, la equidad, etc. Se consideraron tres escenarios diferentes
(menores de años secos, normales, y en húmedo). Como resultado, los esquemas óptimos de asignación de agua, tanto de agua del depósito y el agua
palabras clave:
subterránea, se obtuvieron. Bajo grado difusa del nivel de membresía que es igual a 1,0, los beneficios del sistema fi son 1.53 × 10 9 RMB para los años secos, 1.61 × 10
Borroso
9 RMB para años normales y
La incertidumbre Agrícola riego
óptimo Irrigación asignación estrategia
1.61 × 10 9 RMB para años húmedos. Las soluciones no sólo pueden proporcionar una evaluación efectiva en escenarios predefinidos, sino
también revelar las implicaciones económicas asociadas. Tres aspectos se han mejorado en este estudio en comparación con estudios
anteriores: (1) el modelo tiene la capacidad de incorporar múltiples recursos hídricos, múltiples subáreas, múltiples cultivos y múltiples etapas
de crecimiento de la gestión de los recursos hídricos en el marco de optimización; (2) con el fin de abordar los parámetros inciertos que no
están fi ciente o imprecisa en los problemas prácticos, un modelo no lineal fuzzy riego intervalo de optimización (NFIIOM) se desarrolla
mediante la incorporación de programación parámetros de intervalo y programación difusa; (3) después de aplicar el modelo desarrollado a un
estudio de caso real,

© 2015 Elsevier BV Todos los derechos reservados.

1. Introducción
Nuevo incentivos y políticas son muy importantes para garantizar la sostenibilidad de la agricultura ( Tilmanlas lluvias en el país para una persona) en China era de 2093 m 3 en 2011, según el Banco Mundial:
et al., 2002 ). el consumo de la agricultura representa alrededor del 70% de las extracciones totales de
agua en la mundo ( Schlager, 2005 ). Distribución de agua en la agricultura es intrínsecamente relacionado
con la comida producción para el usuario de agua más grande entre todos (sectores Yang et al., 2003 ).
Con población continua rápida crecimiento y socioeconómico el desarrollo, los conflictos entre la
disminución suministro de agua disponible y el aumento de la demanda de agua tiene escalado a una mayor
nivel de intensidad ( Lu et al., 2008 ). Además, secado plano de ríos, la caída de niveles de agua
subterránea, la degradación de lagos y humedales, y la contaminación del agua han dado lugar a los
recursos hídricos demasiados compromisos, que es uno de los principales problemas que enfrenta Norte China.
por ejemplo, 4000 km alrededor de los tramos inferiores de Hai
Río, alrededor del 40% de su longitud, ha experimentado cero flujos desde 1998 ( Xia et al., 2007 ). Los
recursos de agua dulce internos renovables per cápita (flujos internos río y las aguas subterráneas de
Indicador de banco de datos ( Turner et al., 2013 ). Para mejorar la gestión de la demanda de agua de
riego a través de mejores sistemas de gestión de agua, algunos métodos pueden ser utilizados, tales
como la reducción de las pérdidas de distribución del agua de riego, la mejora de la programación de
riego, el cambio de los patrones de cultivo ( Hamdy et al., 1995 ). Por lo tanto, las estrategias de
optimización de sonido son necesarios para asignar mejor los recursos hídricos de la agricultura en
China. Bajo la guía de optimización de sonido, un rendimiento máximo, el agua más el ahorro o el
máximo beneficio económico que puede lograrse.

Ha habido algunas aplicaciones con éxito en la optimización de los recursos de agua de riego. El
objetivo de la mayoría de los estudios fue de maximizar beneficios económicos, basada en el
desarrollo de los recursos óptimos de tierra y agua, el mantenimiento de los patrones de cultivo
existentes o expresar la disposición de los agricultores a pagar por el agua de riego ( Salman y

* El primer autor en: Centro de Investigación Agrícola de agua en China, China Agricultural Universidad, Pekín 100083,
Al-Karablieh, 2004; Brown et al., 2010; Singh y Panda, 2012; Nazer et al., 2010 ). El objetivo de

China. Tel .: 86 1062738496.

algunos estudios
Email dirección: guop@cau.edu.cn (P. Guo).

http://dx.doi.org/10.1016/j.agwat.2015.04.006
0378-3774 / © 2015 Elsevier BV Todos los derechos reservados.
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 83

era para maximizar la suma de los rendimientos relativos de los cultivos de más de un año, con tres inexacta áspera intervalo de dos etapas modelo de programación estocástica ( Lu et al, 2009a, b.; 2011 ),
conjuntos de restricciones: balance de masa en el depósito, la humedad del suelo el equilibrio de cultivos Para todo el infinito en dos etapas modelo de programación estocástica inexacta ( Zhu et al., 2013 ), De
individuales, y las ecuaciones que rigen para la planta de flujo de agua ( Vedula et al., 2005 ). El dos etapas modelo de programación estocástica intervalo ( Lu et al, 2009a, b.; Xiaoyan et al., 2011; Li et
objetivo de otros estudios era para distribuir los recursos de agua de acuerdo a la demanda de agua ( Takahashi
al., 2013 ), Intervalo de modelo de programación fuzzy lineal basada en infinito ˛- cortes ( Lu et al., 2010 ). En
et al, 2013.; Galelli et al., 2010 ). Se concluyó ese estas problemas pueden ser resueltos a través de la términos generales, los métodos de intervalos anteriores se basan en la suposición de que la función
programación matemática métodos. En estos problemas, parametrización del modelo necesita ser preciso. objetivo fue lineal, lo que resulta en di fi cultades en el tratamiento de estas cuestiones en el que el
Sin embargo, la información de parámetros del sistema es a menudo no se disponibles, o alguna rendimiento de la cosecha se calcula basándose en las etapas de crecimiento y por lo tanto hacer que la
información disponible puede ser inexacta. los determinista parámetros obtenidos directamente sólo a función objetivo no lineal correspondiente. Los métodos que combinan difusa con un intervalo se puede
son fracción de todos parámetros. El resto puede ser información difusa y di fi culto a cuantificar, tales describir con mayor precisión los sistemas objetivos mediante el establecimiento de modelos de
como la cantidad de agua disponible, costes, capacidades, agua la demanda y el tiempo ( Hernandes programación inexactas, pero los casos pertinentes aplicadas a la gestión de los recursos hídricos
et al., 2007 ). los determinista métodos de planificación son a menudo insuficientes para apoyar agua recursos
agrícolas son bastante raros. Los sistemas objetivos son los sistemas que pueden reflejar y describir los
gestión bajo incertidumbre de los parámetros del modelo ( Li y Huang, 2007 ). Para hacer frente a estas problemas reales.
incertidumbres, la enfoque del difusa la programación, el intervalo programación y estocástico la
programación puede ser adoptado ( Qin et al., 2007 ). intervalo de programación enfoque se utiliza para
describir los parámetros inciertos para el datos disponibles cuando no son su fi cientes para generar
una distribución o Función de la membresía. Sin embargo, las soluciones podrían ser razonable para soluciones Por lo tanto, se desea que se desarrolle un método de optimización para el manejo de las
de gran tamaño de intervalo cuando los lados de la derecha de la modelo de programación son muy incertidumbres y complejidades en la optimización de la distribución del agua de riego agrícola. Este
estudio tuvo como objetivo optimizar los recursos de agua de riego para el distrito de riego toallitas en
inciertos. además, el intervalo Las soluciones no pueden describir la información entre la parte superior límites
y los límites inferiores ( Guo et al., 2008 ). por lo tanto, el deficiencias limitan su aplicación para resolver el norte de China mediante el desarrollo de un modelo no lineal difusa de riego intervalo de
problemas prácticos para decisión fabricantes. Borroso enfoque de programación ofrece un medio de manejooptimización (NFIIOM) la incorporación de enfoques de programación de parámetros y programación
mejoramiento problemas con parámetros difusos. Es usado para describe el incierto parámetros de las intervalo difuso. El NFIIOM desarrollado no sólo puede manejar las incertidumbres expresadas como
funciones de pertenencia difusa. Es aplicable a describir la cantidad de agua disponible con incierto o impreciso
valores de intervalo y números difusos, sino también frente a la no linealidad en la función objetivo. El
características. El parámetro difusa es Más riguroso que intervalo parámetro, ya que necesita más método se demostró en el distrito de riego toallitas en el norte de China para la asignación óptima de
información para ser descrito como un fuzzy Función de la membresía. El enfoque se utiliza para apoyo decisiones
agua para la agricultura. Los resultados se pueden utilizar para ayudar al gestor de establecer planes
subjetivas para jefes, y no puede re reflejar con precisión la información de parámetros especí fi co. de asignación de agua eficaces para sistemas de riego agrícola,
Por otra parte, la estocástico enfoque puede describir con precisión la información incierta de parámetros
por funciones de densidad de probabilidad. Pero requiere una gran cantidad de datos objetivos. En
este estudio, los datos de precipitación limitado, Porque un estadísticas completas acaba de comenzar
en los últimos años. por lo tanto, el estocástico enfoque no era adecuado para este estudio, por lo que
una método con el intervalo y difusa parámetros fue desarrollado para resolver óptima agua la asignación
de un distrito de riego.
2. Sistema de Estudio

distrito de riego toallitas se encuentra en el centro sur de la Llanura de Hebei, China, cerca del
río y el río Hutuo Fuyang. Es el mayor distrito de riego agrícola en la provincia de Hebei. El agua en el
distrito se utiliza principalmente para el riego agrícola, generación de energía y suministro de agua
industrial de la ciudad. El área de riego diseñado es

En la incierto modelo, algunos parámetros de decisión difusos en el programación problemas
pueden ser descritos como números difusos ( Maleki y Mashinchi de 2004 ). Algunos programación
lineal difusa multi-objetivo modelos eran formulado para resolver el problema de la óptima recorte patrón
en un sistema de riego y para evaluar la gestión estrategia de la planificación del riego, por hacer
frente a la falta de claridad en recursos y variables de decisión ( Raju y Duckstein, 2003; Gurav y Regulwar,
2012; Regulwar y Gurav 2012 ). A dos pasos infinito ˛- recortes lineales fuzzy método de programación
se desarrolló, y era aplicado en una sistema de riego agrícola ( Lu et Alabama., 2009a, b ). Aunque
algunos difusa modelos de programación han sido desarrollado para la solución de problemas de
asignación de agua, todavía hay algunos deficiencias que limitan su aplicación. Por ejemplo, borroso afiliación
ocho subáreas a través de canales de suministro de agua. El agua subterránea más que irriga
funciones son difíciles de determinar de manera exacta y forma sencilla en una modelo de
programación que tiene múltiples incierta y parámetros estructura no lineal. Como parámetro tiene dos
o Más diferente características de incertidumbre, es difícil describirlo a través de una general función
miembro. Si se tiene una estructura no lineal, la solución es Más fi cil dif. Además, la mayoría de los
modelos son objeto de una específica sistema, y ​no puede aplicarse directamente a otros sistemas,
por lo la ámbito específico limita su solicitud.
162,7 × 10 3 decir ah. El clima es semi-árido, clima monzónico continental. Las temperaturas medias
anuales son de alrededor de 13 ◦ C (55 ◦ F). Enero es el mes más frío del año, con una temperatura
media de 0.6 ◦ C (33 ◦ F), Julio es el mes más caluroso del año, con una temperatura media de 18 ◦ C
(64 ◦ F). La cantidad anual de precipitación es de aproximadamente 480 mm. La distribución de las
precipitaciones durante todo el año es mucho más desigual para los que se concentra en junio, julio y
agosto. La precipitación precipitación en estos tres meses representa el 70% de la precipitación
anual. La evaporación media anual es de aproximadamente 1100 mm. El área de estudio se muestra
en la
Figura 1 . En el distrito de riego toallitas, múltiples proveedores de agua (Huangbizhuang Reservoir,
Gangnan depósito y acuíferos subterráneos) están disponibles para el riego. Huangbizhuang
embalse y Gangnan embalse están conectados con el distrito de riego. agua del embalse irriga los
subáreas 2, 3, 4, 6, 7 y 8, a través de tuberías respectivos distribuidos en las subáreas. Los datos de
riego proviene de las investigaciones locales. El agua de riego proviene de embalse aguas arriba, y
la explotación de pozos locales sólo se permite en alguna región lejana, donde las granjas no pueden
permitirse el coste del transporte de agua de alta para la distancia desde el canal de suministro de
agua. Número de riegos también tiene una relación con la disponibilidad de agua en un año. Por
ejemplo, sólo hay una irrigación durante la primavera en un año seco (cuando la probabilidad de
ocurrencia de los flujos es más alta que 75%), pero no podría ser dos o tres veces el riego durante la
primavera y el otoño en un año húmedo (cuando el probabilidad de ocurrencia de los flujos es inferior
a 25%). La clasi fi de diferente hidrológico

Considerando múltiple incertidumbres, algunos modelos han sido desarrollados para agua de
asignación o transferencia de agua problemas, tales como
84 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

Higo. 1. los área de estudio, toallitas distrito de riego, se encuentra en el centro sur de la Llanura de Hebei, China. La distribución de los embalses, canales de agua de desecho y ríos se exhibe (a). los distribución de los canales de suministro de agua se exhibe en
(b). El distrito de riego se compone de dos zonas independientes, para la distribución de las ciudades y pueblos. De acuerdo con la agua suministro canales, ocho subáreas se dividen, delineado en (c).

años depende de locales frecuencia distribución de la precipitación anual cual es se muestra en la Figura
2 . Tres principales cultivos, es decir, el trigo de invierno, maíz y algodón, se producen en toallitas distrito
de riego en la actualidad. Un sistema de doble cultivo, cual combinados dos cultivos de maíz, trigo de
invierno y el verano, en una solo año la rotación se aplica en la mayor parte del distrito de riego ( Carpeta
et al., 2007 ). El sistema de doble cultivo incluye el invierno trigo y después la cosecha, el maíz es sembrado(volumen anual de agua utilizada para el riego), que eran elaborar virtud de la limitación de la
de inmediato sin labranza, y es cosechadas al final de septiembre ( He et al., 2009 ). Algunos subáreas
tienen una pequeña área de algodón, debido a mayores costos de agua transporte y la utilización para
los canales más largos, el terreno más alto,
o suelo arenoso adecuado para el algodón. El algodón producir subáreas se muestran en la Fig. 3 .
Debido a las grandes variaciones espaciales y temporales de los recursos hídricos disponibles, los
planes óptimos de asignación de agua de riego agrícolas varían de año en año correspondiente. De
acuerdo con los datos estadísticos de 2007 a 2012, hay principalmente tres objetivos de riego
disponibilidad de agua para riego y adoptadas por los gerentes de distrito de riego toallitas. El objetivo
de riego era 250 × 10 6 metro 3 en los años secos, 350 × 10 6 metro 3 en años normales, y 400 × 10 6 metro 3 en
años húmedos. Algunos datos de entrada de diferentes subáreas se presentan en tabla 1 . Por otra
parte, la utilización de coeficiente de agua subterránea (la relación de la agua neta utilizada por los
cultivos y la capacidad total de bombeo en un período de irrigación) es 0,850. precio de mercado de
trigo de invierno es [2.16, 2.4] RMB / kg, los valores de maíz y el algodón son [1.96, 2,05] RMB / kg y
[3,9, 4.3] RMB / kg respectivamente.

modelo Jensen ( Jensen, 1968 ) Puede describir la relación entre el rendimiento del cultivo y ET bajo

etapas de crecimiento bastante bien ( Li, 1998 ). Parámetros en el modelo de Jensen para todas las etapas de

crecimiento de los tres cultivos provienen de Tierras de cultivo Instituto de Investigación de riego, la Academia

China de Ciencias Agrícolas ( Xiao et al., 2008 ) como se muestra en

Tabla 2 . Desde el establecimiento del distrito de riego toallitas, el área de riego se está expandiendo
gradualmente, y la producción de cultivos está aumentando año tras año. Con el rápido crecimiento
de la población y el desarrollo económico, los recursos hídricos se ha convertido en el principal
factor que restringe el desarrollo social y económico sostenible del distrito de riego. el consumo de
agua para uso doméstico e industrial continuará limitando el agua disponible para la agricultura.
Además, es

Higo. 2. Frecuencia distribución de la anual precipitación. se recogen los datos estadísticos desde 1963 a 2012.
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 85

Higo. 3. El sistema de estudio incluye las fuentes de agua, subáreas y cultivos. El agua superficial de Huangbizhuang embalse y Gangnan embalse se puede utilizar en todas las subáreas. El agua subterránea irriga subáreas 2, 3, 4, 6, 7 y 8. trigo de invierno y
maíz se siembran en todas las subáreas. Las subáreas productores de algodón son subárea 3, 4, 5, 6, 7, y 8.

di fi culto a obtener preciso información debido a la falta de tiempo real en línea sistema de vigilancia en 3. Metodología
el distrito de riego toallitas. La mayoría de supervisión información, como precipitación y la cantidad de
riego agua determinado por instrumentos, es imprecisa, insuficientes o prematura, por lo que la gerentes En sistemas de riego, existen múltiples parámetros con las respectivas características especiales. Tales

de distrito de riego toallitas no puede hacer Más eficaz decisiones sin comprensión global de la riego parámetros difícilmente pueden reflejarse en los modelos matemáticos como valores debido a la insu fi

situación del distrito. La utilización actual del agua coeficiente de canales de riego todavía es baja para cientes las prácticas de control, falta de disponibilidad de datos o limitaciones de las condiciones prácticas

obsoleta agrícola irrigación Ingenieria. Una gran cantidad de agua de riego es necesario para una el en la obtención de datos exactos determinado ( Lu et al., 2012 ). Estos parámetros de incertidumbre

modo de riego no avanzada. En mal estado de los recursos hídricos planificación de la gestión ampliamente existen en muchos sistemas del mundo real, por lo que el análisis de optimización

conduce a una asignación razonable y utilización del agua recursos. Estos factores limitan la irrigación distrito
correspondiente asignación de agua y la decisión asociado pueden verse afectados. Es difícil de aplicar los

beneficio. Por lo tanto, en las condiciones actuales, es necesario optimizar la los recursos de agua de datos limitados y amplias incertidumbres por los enfoques convencionales de programación. Para manejar

riego en sistemas de riego toallitas distrito por no sólo la mejora de la producción agrícola local, sino este tipo de problemas, una herramienta matemática (es decir, el análisis de intervalo) puede ser aplicado

también creciente ingresos de los agricultores locales. Una optimización avanzada modelo puede ser para toma de decisiones. Estos parámetros inciertos pueden ser descritos como parámetros de intervalo que

usado para la asignación de agua la agricultura en un más e fi ciente camino. representan el intervalo de fluctuación de los datos cuando la distribución dentro de la gama difícilmente

puede ser clari ed fi. Los resultados de la programación matemática intervalo pueden hacer frente a los

parámetros de incertidumbre complejas y proporcionar mayor comodidad a los administradores ( Huang

tabla 1
Entrada datos por diferente subárea.

subárea área de riego de los cultivos (ha) El agua subterránea disponible (10 6 metro 3) costo de suministro de agua (RMB / m 3) sistema de riego e fi ciencia

Trigo de invierno Maíz Algodón

1 326,13 326,13 0 0 0,205 0,800

2 39.00 39.00 0 0 0,205 0,800
3 13,893.33 14,043.20 1255.13 (19.29, 20.79, 21.44) 0,184 0,611
4 8379.33 8339.33 2633.33 (14.61, 18.39, 23.40) 0,190 0,592
5 18.00 18.00 6.20 0 0,205 0,800
6 13,549.53 13,549.53 7718.93 (5,97, 6.75, 7.70) 0,218 0,627
7 9427.33 9946.67 8614.60 (6,86, 7,08, 7.14) 0,204 0,645
8 9660.07 9660.07 2350.67 (12.06, 16.69, 21.42) 0,198 0,623

Nota: En el subterránea disponible la columna, los números entre paréntesis indican el mínimo, medio y máximo disponible de agua subterránea, respectivamente.
86 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

Tabla 2
Los parámetros en Jensen modelo para todas las etapas de crecimiento.

Cultivo parámetros etapas de crecimiento

Nombre Planta de semillero hibernación La reactivación arranque Título Madurez

0.1721 0,0411 0,0591 0.1694 0.3108 0.1895

T ( día) 55 50 50 30 20 20
Invierno trigo
ET cm ( mm) 66.00 80.40 115,96 134.00 67.00 127,82
Y m ( kg / ha) 7569

Cultivo parámetros etapas de crecimiento

Nombre Planta de semillero arranque tasseling Madurez

0,0557 0.1106 0,3197 0.2113

T ( día) 25 30 15 35
Maíz
ET cm ( mm) 28.50 62.80 133.00 201.00
Y m ( kg / ha) 6900

Cultivo parámetros etapas de crecimiento

Nombre Planta de semillero En ciernes Boll formador Boll-apertura

0,0730 0.3166 0.1320 0,0422

T ( día) 40 30 50 70
Algodón
ET cm ( mm) 171.80 100.20 256,60 61.20
Y m ( kg / ha) 1320

Nota: ET cm es el máximo evapotranspiración obtenerse en condiciones de agua no limitativos; es la sensibilidad al estrés de agua durante la etapa de crecimiento; T es la duración
de cada crecimiento escenario; Y metro es el máximo rendimiento bajo condiciones de manejo dadas.

et Alabama., 1993; Bass et al., 1997 ). los introducción de parámetros de intervalo dentro irrigación sistemas Tabla 3
Los símbolos y sus significados para la función objetivo (1a) .
hacen posible la generación óptima estratégica planes de consideración de incertidumbre parámetro.
Símbolo Significado valor máximo

yo ICORP = 3 Trigo de invierno ( i = 1) Maíz ( i = 2)

algodón del resorte ( i = 3)

3.1. Modelado formulación

j iDistrict = 8 ocho subáreas

Teniendo en cuenta lo local plan de desarrollo, las fuentes de agua disponibles y otro relacionado restricciones,
k iSource = 2 El agua de depósito ( k = 1) El agua de
os tomadores de decisiones tienen que hacer frente a dos retos: (1) la forma de planificar múltiples los pozos ( k = 2)

fuentes disponibles en una más económica manera, y (2) cómo asignar agua agrícola durante cultivo crecimiento iStage 1 = 6 Seis etapas de crecimiento de trigo de invierno, incluyendo la planta de semillero,

l de hibernación, la reactivación, el arranque, el rumbo y la maduración ( i = 1)

períodos para perseguir mayor bene sistema fi t. Por lo tanto, en respuesta a la encima preocupaciones,
una optimización no lineal difusa intervalo de riego modelo (NFIIOM) para distrito de riego Shijin se
iStage 2 = 4 Cuatro etapas de crecimiento de maíz, incluyendo la planta de semillero, el arranque, la

formula como de la siguiente manera. floración y la maduración ( i = 2)

iStage 3 = 4 Cuatro etapas de crecimiento de algodón, incluyendo la planta de

semillero, en ciernes, cápsula-apertura de las cápsulas de formación y ( i = 3)

3.1.1. Sistema objetivo

escenario l. Los símbolos del índice y sus significados se enumeran en
por más agrícola sistemas, el objetivo es relevante para la economía preocupación, tales como maximización
del bene fi cio del sistema, y ​la minimización de la el coste del sistema ( Tilman et al., 2002 ). En este Tabla 3 . En este modelo, el objetivo es la maximización de los bene fi cios del sistema de producción
de cultivos locales, y las variables de decisión son
estudio, la óptima sistema beneficio surge de la agua asignada a los agricultores con un extendido consideración
de los parámetros inciertos. En consecuencia, el estudio problema puede formularse como sigue:

( ET ± )
Σ Σ
iSubarea
Π
iStagei Illinois
Σ
- ICROP Σ
iSubarea
Σ
iSource
Σ
iStage
c, ijl
Max F ± do ± do W, j W ± (1a)
1 = ICROP C, i UNA ij Y mi ET cm, Illinois
IJKL

i=1 j=1 l=1 i=1 j=1 k=1 l=1

dónde F ±, ( RMB), beneficio de los agricultores locales; yo, Índice de cultivos ( i = 1, 2, W±

IJKL. En el objetivo, los rendimientos de los cultivos son calculados por el modelo Jensen que
expresa una relación matemática entre el rendimiento relativo ( Y ai/ Y mi) y la evapotranspiración relativa
. . . , ICORP); j, índice de (subáreas j = 1, 2, . . ., iSubarea); k, índice para dos agua (recursos k = 1, . . ., iSource);
( ET ±
, índice para la etapa de crecimiento de la cosecha i (l = 1, 2, . . ., iStage yo); ICORP, el número de especies
c, ijl / ET cm, Illinois),
de cultivo; iSubarea, la número de subáreas; iSource, el número de fuentes de agua; dónde Y ai significa que el rendimiento real de la cosecha yo.

Stage yo, la número de etapas de crecimiento de los cultivos yo; do ±

C, i, ( RMB / kg), el mercado 3.1.2. restricciones
precio de cultivo yo; UNA ij, ( decir ah), área de siembra de la cosecha yo; Y m, i, ( kg / ha), el máximo rendimiento de la El objetivo es sometido a una serie de restricciones en la disponibilidad de agua, la
cosecha yo bajo dada condiciones de manejo; ET ±
c, ijl, evapotranspiración, la prioridad de agua del embalse, la equidad, y una serie de problemas técnicos.
(Mm), la real evapotranspiración; ET cm, ijl, ( mm), la evapotranspiración máximo obtenido bajo las Las limitaciones de definir el rango razonable de algunas variables, tales como restricciones no
condiciones del agua no limitativo; negativas.

Illinois, la sensibilidad de los cultivos yo al estrés hídrico durante la etapa de crecimiento (1) limitaciones de evapotranspiración
; do W, j, ( RMB / m 3), costo de suministro de agua en el distrito j; W ±
ijkl, ( metro 3), agua
ET ± (1b)
Suministro para cultivo yo en distrito j desde la fuente de agua k durante el crecimiento c, ijl ≥ ET do min, Illinois ∀ yo, j, l
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 87

ET ± (1c) irrigación W W, j) en cada subárea, y debe cumplir los requisitos

c, ijl ≤ ET cm, Illinois ∀ yo, j, l
••••••••••• del plan de desarrollo y utilización de las aguas subterráneas locales.
= ET cm, Illinois Si PAG ijl + R ijl> ET cm, Illinois) (4) las limitaciones prioritarias agua del embalse
{= 0
Σ
iSource
Si ( W ±
ij 1 l ≤ Q max, jk T Illinois y ˇ IL = 1)
ET ± W± ∀ yo, j, l (1d) W± k = 2, ∀ yo, j, l (1i)
c, ijl IJKL
ij 1 l ≤ Q max, jk T Illinois de otra manera

k=1
= 0.1 ~
+ PAG ijl + R ijl de otra manera
UNA ij El hundimiento del suelo está asociada con el continuo aumento de la explotación del agua
subterránea en el acuífero con fi nida profunda ( Chen et al., 2003 ). La sobreexplotación de las aguas
dónde ET do min, Illinois, ( mm), la mínimo evapotranspiración para la supervivencia de cultivo; ~ subterráneas puede conducir a la caída del nivel freático, incluso un hundimiento de gran superficie ( Zhang
PAG ijl, ( mm), precipitación para la cosecha yo en el distrito j durante el crecimiento escenario l; R ijl, et al., 2010 ). Para evitar la sobreexplotación de las aguas subterráneas, hundimiento de la superficie de
( mm), otro valor estimado de agua para cultivo control, y proteger las aguas subterráneas de otros problemas ambientales, los tomadores de decisiones
yo en distrito j durante la etapa de crecimiento l, que se decide por la recarga de aguas (como pérdidas de recarga dan prioridad al desarrollo y utilización de las aguas superficiales, y limitan la explotación de las aguas
de aguas subterráneas) y agua (tales como filtraciones y las pérdidas superficie evaporación); 0,1 es un factor subterráneas. En el sistema, si el suministro de agua corriente de los embalses ( W ±
de conversión de unidades.

Cultivo evapotranspiración ( ET ±
c, ijl) debe ser mayor que el mini- IJKL, k = 1) es menor que el suministro máximo de agua a través del canal ( Q max, j T Illinois) y
mamá evapotranspiración ( ET do min, Illinois) Por supervivencia. Mientras tanto, si demasiado agua es suministrada
suministro de agua de depósitos para cultivo yo durante la etapa de crecimiento l esta permitido ( ˇ IL = 1), entonces W
por la precipitación y recarga de aguas subterráneas, el exceso agua será descarga a través de canales ±

de drenaje, asegurando que ( ET ± IJKL, k = 2 es igual a

cero. Es decir, no se permite el suministro de agua de los pozos cuando más agua de los embalses
c, ijl) no es más que ( ET cm, Illinois). pueden ser utilizados.
(2) agua del embalse disponibilidad restricciones (5) las limitaciones Fairness
{= 0 si (~ |||||| iStagei ||||||
PAG ijl + Rhode Island jl> ET cm, Illinois o ˇ IL = 0)
W± k = 1, ∀ yo, j, l
Σ
iSubarea
Σ
iSubarea
Σ Σ
IJKL
ET ± ET ±
≤ Q max, jk T Illinois de otra manera c, ij 1 l - iStagei c, ij 2 l

(1e) j1 j2 l=1 l=1

≤ sol 0 ∀ yo (1j)
2 norte 2 yo

dónde j 1 y j 2, índice para subáreas ( j = 1, 2. . ., iSubarea); NORTE, el número de subáreas;

Σ
ICROP iSubarea
Σ Σ
iStagei
W±
IJKL yo, ( mm), media ET ± c, ij 1 l para la cosecha yo; sol 0, La parte superior
≤ ~W R k = 1 (1f)
jk unido de la Gini coeficiente.
i=1 j=1 l=1
Sin tener en cuenta el principio de equidad, los agricultores cerca de las fuentes de agua se pueden
asignar más recursos hídricos para el riego más grande esquema de e fi ciencia, mientras que los
dónde ˇ Illinois, índice adimensional para el riego de cultivos yo en el distrito j desde el depósito; Q max, jk, ( metro 3 / re), máxima

de flujo en el distrito j desde la fuente de agua k; T Illinois, ( d), la número de días para la cosecha yo durante la agricultores muy lejos de las fuentes de agua tienen que obtener rendimiento de la cosecha inferior con
etapa de crecimiento l; menos recursos hídricos asignados. Para lograr un reparto equitativo de agua de un recurso, se

jk, irrigación esquema e fi ciencia en el distrito j a partir de agua introduce el coeficiente de Gini. El coeficiente de Gini se conoce como el índice de Gini o la relación de

fuente k; ~ W R, ( metro 3), la cantidad de agua disponible para el riego Gini, que es una medida ampliamente utilizada de la desigualdad económica ( Lambert y Aronson, 1993 ).

desde embalses. El coeficiente de Gini puede variar de 0 a 1, con mayor valor que indica la distribución más desigual. Esto

Índice ˇ IL = 0 significa que el suministro de agua de los embalses para la cosecha yo significa que la igualdad completa cuando el coeficiente de Gini es 0, y medios completamente

durante el etapa de crecimiento l No se permite. Por el contrario, ˇ IL = 1 significa que agua suministro de reservoriosdesigualdad cuando el coeficiente de Gini es 1. De acuerdo con lo dispuesto en los organismos
de cosecha yo durante la etapa de crecimiento l es permitido. El suministro de agua de los depósitos ( W ± pertinentes de las Naciones Unidas, a menos de 0.2 representa la media absoluta; 0,2-0,3 representa
relativamente promedio; 0,3 a 0.4 representa un relativamente razonable; 0,4-0,5 representa una gran
IJKL, k = 1) es
igual a cero primavera fuera período de riego o período de riego de otoño ( ˛ IL = 0). Cuando la diferencia; mas que 0.5 representa la disparidad ( Sun, 2013 ). media absoluta significa que todos los

precipitación y recarga de agua subterránea es ~ agricultores ganan exactamente la misma cantidad de dinero; medios relativamente promedio que todos

PAG ijl + R ijl> ET cm, Illinois , de suministro de agua de los depósitos es igual a cero también. por cada subárea, el
los agricultores ganan casi la misma cantidad de dinero; un relativamente razonable significa que una
suministro de agua de los depósitos ( W ± brecha aceptable existe.
IJKL) tiene que ser
Menos que la agua máximo disponible ( Q max, kj T Illinois) durante el correspondiente etapa de crecimiento a
través del canal respectivo. Por otra parte, la la planificación de la cantidad total del suministro de
agua de los embalses de cada subárea no excederá de dibujos de agua aprobado para el riego (~

En el sistema, y ​mucho sol 0 = 0,4 en restricción (1j) , Debido al nivel internacional de alerta de 0.4 ( Zhang
W R).
y Xu, 2011 ). Adicionalmente,
(3) Suelo agua disponibilidad restricciones Σ iStagei )
{= 0 si (~ i=( Σ iSubareaj j
ET ±
c, ijl / norte
∀ yo.
PAG ijl + R ijl> ET cm, Illinois)
W± k = 2, ∀ yo, j, l (1 g) (6) las restricciones no negativas
IJKL
≤ jk ~ W W, j de otra manera
W± (1k)
IJKL ≥ 0 ∀ yo, j, k, l

Σ
ICROP iStagei
Σ W± La mayor parte de las variables de decisión son no negativos en problemas del mundo real. abastecimiento de agua
IJKL
≤ ~ W W, j k = 2, ∀ j (1h)
para los cultivos yo en el distrito j desde la fuente de agua
jk
i=1 l=1
k durante la etapa de crecimiento l ( W ±
IJKL) es no negativo también.
dónde W W, j, ( metro 3), la cantidad de subterránea disponible en el distrito En consecuencia, el problema se formula como: función objetivo (1a) sujeto a las fórmulas (1b) -

j para irrigación. (1k) . En este problema, variables de decisión son W ±

Agua suministro de pozos ( W ± como los principales parámetros de control en el riego

IJKL, k = 2) es igual a cero cuando pre- IJKL,

cipitation y recarga de agua subterránea es ~ PAG ijl + R ijl> ET cm, Illinois . los programación; variables intermedias son ET ±
c, ijl, También decidido por el
la planificación del total cantidad de subterránea explotada no excederá del total cantidad de permitido dibujos
modelo; mientras que los demás parámetros se introducen en el programa de la resolución como constantes.

de aguas subterráneas para

88 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

valor precipitación, el límite inferior se define como el valor mínimo de precipitación, y el valor más
probable se define como el valor principal precipitación.

Por lo tanto, el modelo (1) se puede transformar en submodelo (3) y submodelo (4). Submodelo (3)
correspondiente a f + se pueden formular como el modelo A enumerados en Apéndice . Una solución para f + proporciona
el extremo superior unido de sistema en condiciones de incertidumbre. Dejar W +

IJKL optar, f+ optar ser el

solución del submodelo. Entonces submodelo (4) correspondiente a la cota inferior del valor objetivo ( F
-) se pueden formular como modelo B enumerados en Apéndice . Dejar W -

IJKL optar, F- optar ser la solución de la sub-

modelo. Entonces, tenemos soluciones para NFIIOM de la siguiente manera:

W±
ijkl = [ W- IJKL optar, W+ IJKL optar] ∀ yo, j, k, l

]
F ±=[ F - optar, f+ optar

Higo. 4. Triangular y la función de pertenencia ˛- cortar intervalo.

análisis 4. Resultados
3.2. Método de solución

En este estudio, tres escenarios diferentes se definen en base a diferentes disponibilidades de

los encima modelo puede ser resuelto utilizando un método de dos pasos (TSM) ( Huang y Cao,
agua para el riego de los embalses. Los tres niveles de disponibilidad de agua podría volver actitudes
2011 ). TSM ha sido ampliamente utilizado para hacer frente a tales con programas incierto parámetros.
reflejan los tomadores de decisiones locales para cultivo agrícola y la abundancia de los recursos
De acuerdo con TSM, el original intervalo modelo de programación se fi rstly transforma en dos
hídricos disponibles. Escenario 1 está bajo años secos, la precipitación anual es inferior a 414 mm;
determinista submodelos en base a un algoritmo interactivo. La primera submodelo es obtener el límite
escenario 2 está bajo años normales, la precipitación anual es de más de 414 mm y menos de 646
superior de bene sistema fi t, y el segundo es obtener las condiciones límite inferior. Al resolver de
mm; y el escenario 3 se encuentra en los años húmedos, la precipitación anual es de más de 646 mm.
forma secuencial, y luego la integración de las soluciones de los dos modelos, el intervalo soluciones
Seis ˛- niveles de corte ( ˛ = 0.0, 0,2, 0,4, 0,6, 0.8, o 1.0) se establecen, lo que hace que la información
para variables de decisión y el valor objetivo se puede adquirido.
contenida relativamente uniforme.

Las soluciones obtenidas no sólo puede proporcionar una evaluación efectiva bajo escenarios
Algunos parámetros en el sistema son números difusos. Hay muchos enfoques que se pueden
predefinidos, pero también revelan las consecuencias económicas asociadas. Diferentes escenarios daría
adoptar para hacer frente a números difusos. Uno enfoque es triangular posibilidad distribución ( YoungJou
lugar a variadas bene fi cios del sistema. Como se muestra en Fig. 5 , La cifra da los beneficios del sistema
y ChingLai, 1992 ), y el enfoque convencional para resolver la programación es difusa defuzzi fi ng y derandomizing
de fi distrito de riego toallitas bajo diferentes ˛- niveles de corte. Como ˛- cortar aumenta el nivel bajo un
números difusos, tales como vía ˛- cortar los niveles. ˛- niveles de corte también se llaman conjuntos de
escenario, el límite superior de beneficio de los agricultores locales disminuye t, mientras que los aumentos
nivel, que perfectamente describir el grado difuso de nivel de membresía ( Chen, 1985 ). A partir de una punto
de límite inferior. Cuando ˛- nivel de corte está más cerca de 1, la probabilidad de los resultados sería menor.
de vista práctico, ˛- niveles de corte son importantes para un catión cuanti fi de borroso evento, en
Eso significa que el límite inferior-superior está más cerca de la cota superior-inferior. En otras palabras, el
particular con la máxima ˛. Fig. 4
intervalo de la solución es estrecha. Los resultados muestran que el sistema de bene fi cio podría alcanzar 0.99
× 10 9 RMB o más en años secos, mientras que el valor correspondiente podría alcanzar

espectáculos la triangular y la función de pertenencia ˛- cortar intervalo para

˛- cortar nivel. UNA borroso número X puede ser ilustrado como un fuzzy triangular número ~
X = (X, X - X min, X máx - X) ( Zwick, 1993 ), con el
1.08 × 10 9 RMB o más para obtener más cantidad de agua disponible para el riego de los embalses.
siguiendo afiliación función (2a). ˛- intervalo de corte es [ X - ˛, X+ ˛] a˛
nivel. Diferente ˛- cortes pueden reflejar el cambio de tendencia de las soluciones óptimas debajo diferentes
Desde Fig. 5 , Es obvio que la óptima bene sistema fi t bajo el escenario 2 es más alta que en el
grados de incertidumbre.
escenario 1, y más bajo que en el escenario 3. De acuerdo con los resultados de la optimización, la
•••••••••••••••
cota más baja superior y la más alta cota inferior son 1.53 × 10 9 RMB en virtud de años secos, 1.61 × 10 9
0 Si ( X ≤ X min)
RMB debajo años normales, y 1.62 × 10 9
X - X min
Si ( X min < X ≤ X)
X - X min
( x) = (2) RMB en virtud de años húmedos, respectivamente. Cuanto menor es la disponibilidad de agua, mayor
X máx - X X máx - X Si ( X <x ≤ X max) es la influencia en el rendimiento económico. La brecha de bene sistema fi t es 0.08 × 10 9 RMB entre
años secos y años bajo normales, pero la diferencia es 0.01 × 10 9 RMB entre en virtud años normales y
años húmedos. La brecha entre los años normales y años húmedos no es obvia. Esto sugiere que el
0 Si ( X max < X)
sistema podría lograr mayores bene fi cios en años normales o años húmedos.
dónde ( X), afiliación función; X, La variable; X, el modo que es el más valor probable; el límite inferior de ~
X; X min, la
nferior atado de ~ X; X max, el límite superior de ~ X. Con el fin de facilitar la comparación y el análisis, establecer ˛ = 0,4 para optimizar la asignación de
por esta caso, toallitas distrito de riego la construcción con experiencia y , los datos de estadísticas de la agua en todas las subáreas bajo cada escenario. Los resultados óptimos intervalo en años secos se
reforma en los últimos años de ahorro de agua de las precipitaciones en toda subáreas también se muestran en la Fig. 6 , Los resultados óptimos intervalo en años normales se muestran en la Fig. 7 Y los
registra durante algunos años. la precipitación A traves de Los años fl uctuated en intervalos con forma resultados óptimos de intervalo en años húmedos se muestran en la Fig. 8 . comparando Fig. 6 (A) con (d)
discreta. por limitado datos estadísticos, la difusa método de parámetros es más conveniente describir ellos. y (g), se puede encontrar que la óptima asignación de reservorios de agua con trigo de invierno es
Por lo tanto, en el modelo del sistema, la precipitación se considera como un fuzzy parámetro (~ mayor que la asignación de agua depósito óptima al maíz y algodón. Por ejemplo, en el escenario 1, la
asignación de agua del depósito con trigo de invierno es [29,03, 35,61] × 10 6 metro 3 en la subzona 3,
PAG ijl) y descrito por un triangular [14,47,
afiliación función. Según los datos estadísticos, la cota superior ( P +

ijl), la límite inferior ( PAG - ijl) y el valor más probable

( PAG ijl) son determinado. El límite superior se define como el máximo 18.35] × 10 6 metro 3 en la subzona 4, [21,30, 28.67] × 10 6 metro 3 en la subzona 6,
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 89

Higo. 5. bene Sistema fi t en diferentes escenarios y ˛- nivel de corte.

Higo. 6. agua óptima la asignación de diferentes subáreas (año seco, ˛ = 0.4). (A), (d), y (g) son asignación óptima de agua con trigo de invierno; (B), (e), y (h) son asignación óptima de agua para maíz; (C), (f), y (i) son asignación óptima de agua para
algodón. (A), (b), y (c) son asignación óptima de agua de los recursos totales de agua; (D), (e) y (f) son agua óptima asignación de agua embalses; (G), (h), y (i) son asignación óptima de agua de las aguas subterráneas.
90 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

Higo. 7. agua óptima la asignación de diferentes subáreas (año normal, ˛ = 0.4). (A), (d), y (g) son asignación óptima de agua con trigo de invierno; (B), (e), y (h) son asignación óptima de agua para maíz; (C), (f), y (i) son asignación óptima de agua para
algodón. (A), (b), y (c) son asignación óptima de agua de los recursos totales de agua; (D), (e) y (f) son agua óptima asignación de agua embalses; (G), (h), y (i) son asignación óptima de agua de las aguas subterráneas.

[17,35, 22.54] × 10 6 metro 3 en subárea 7, y [19,17, 22.91] × 10 6 metro 3 comparando Fig. 7 (A) con (b) y (c), o la comparación de (d) con (e) y (f), es obvio que el trigo de
en subárea 8. sin embargo, el asignación máxima de agua depósito para el maíz es [5.14, 11.51] × 10 6 metroinvierno tiene mayor intervalo que el maíz y el algodón. Por ejemplo, la asignación total de agua con
3 en la subzona 3, y embalses asignación de agua a algodón es 0 en todos subáreas. Mientras tanto, la trigo de invierno es [30,81, 41,17] × 10 6 metro 3 en la subzona 8, con un intervalo de 10,36 × 10 6 metro 3. Dotación
planta óptima agua la asignación de trigo de invierno es también mayor que la óptima suelo agua asignacióntotal de agua que el maíz es un número,
para el maíz y el algodón. Por ejemplo, bajo guión 1, las aguas subterráneas la asignación de trigo de
nvierno es [9,72, 7.99 × 10 6 metro 3 en la subzona 8. No hay asignación de agua al algodón en la misma subárea. El trigo de
invierno tiene mayor grado de incertidumbre que el maíz y el algodón. Una de las razones es que la

10,82] × 10 6 metro 3 en subárea 3, [9,71, 13.27] × 10 6 metro 3 en la subzona 4, [9,09, 13.86] × 10 6 metro 3 enproducción
subárea de agua e fi ciencia del maíz es más alto durante el período de riego. Maize ofrecerá
8. Sin embargo, el agua del terreno máxima la asignación de maíz es 7.16 × 10 6 metro 3 en la subzona 3, rendimientos más altos y más estables, por lo que el suministro de agua debe cumplir con la demanda de
y el máximo las aguas subterráneas asignación al algodón es [1,01, 1.93] × 10 6 metro 3 agua de maíz a primera. Otra razón es que el área de siembra de algodón es tan pequeña que el algodón
no requiere grandes cantidades de agua de riego. Por lo tanto, el sistema de bene fi cio se ve afectada

en subárea 4. Por lo tanto, la asignación total de agua para el trigo de invierno es más grande, y el total asignación principalmente por cios económicos bene fi de trigo de invierno en el distrito de riego toallitas, debido a la

de algodón es más pequeño. gran variabilidad de la asignación óptima del agua.

los resultados indican que la mayoría de las variables de decisión, a excepción de suelo agua, son intervalos.
Generalmente, las soluciones presentan como intervalos ilustran que las decisiones relacionadas son
sensibles a la entrada parámetros de (modelos de incertidumbre Huang et al., 2012 ). En caso de seco años, Para comparar la dependencia de estas subáreas en el agua de riego, los gráficos se dibujan en

agua la asignación de trigo de invierno debería ser primera disminución en el premisa de garantizando anillo Fig. 9 (Bajo el escenario 1, ˛ = 0.4), La Fig. 10

su objetivo mínimo prometido. los maíz debe ser primero garantizada ya que trae el más alto beneficio. (Bajo el escenario 2, ˛ = 0.4), y La Fig. 11 (Bajo el escenario 3, ˛ = 0.4). Los anillos interiores se refieren a los

límites inferiores de asignación óptima de agua, y los anillos exteriores se refieren a los límites superiores.

Los ocho colores representan los ocho subáreas.

 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 91

Higo. 8. agua óptima la asignación de diferentes subáreas (año húmedo, ˛ = 0.4). (A), (d), y (g) son asignación óptima de agua con trigo de invierno; (B), (e), y (h) son asignación óptima de agua para maíz; (C), (f), y (i) son asignación óptima de agua para
algodón. (A), (b), y (c) son asignación óptima de agua de los recursos totales de agua; (D), (e) y (f) son agua óptima asignación de agua embalses; (G), (h), y (i) son asignación óptima de agua de las aguas subterráneas.

Como se muestra en la Fig. 9 (A) y (d), La Fig. 10 (A) y (d), La Fig. 11 (A) y (d), la principal subzonas, En el distrito de riego toallitas, riego por lo general se produce en primavera y otoño, que tiene un gran
que trigo de invierno y maíz planta y consumir agua reservorios son subáreas 3, 4, 6, 7, y 8. Entre éstos, agua
efecto sobre el crecimiento del trigo de invierno. Tres o cuatro etapas de crecimiento de trigo de invierno
pueden ser afectados por la disponibilidad de agua embalses. Comparativamente, la situación de
de riego el consumo en la subzona 3 es el más grande de su más grande área de siembra. Desde Fig. 9 (segundo),
La Fig. 10 (B) y La Fig. 11 (B), el principal subáreas, trigo de invierno, que planta y el maíz y consumir suministro de agua para el maíz y el algodón es más sencillo debido a una sola etapa de crecimiento,

planta agua son subáreas 3, 4, y 8. La suma de los tres porcentajes cuentas para las tres cuartas partes durante el cual los depósitos de agua se puede abstraer. Como se muestra en La Fig. 12 , El límite superior

del total del suministro de agua subterránea. Desde y de límite inferior se exhiben con seis etapas de crecimiento en el escenario 2 ( ˛ = 0.4). Como puede verse
a partir La Fig. 12 , Las distribuciones de agua de riego con etapas de crecimiento tienen mayor nivel de
consistencia en ocho subáreas. El límite superior de asignación óptima de agua permanece alta durante la

Fig. 9 (sol), La Fig. 10 (G) y La Fig. 11 (G), depósitos de algodón de suministro en su mayoría en subáreas 3, 4, reactivación y el arranque etapa, y sigue siendo baja en la siembra y la partida etapa. El intervalo grande se
5, 6, 7, y 8. De acuerdo a las similitudes entre produce principalmente durante la reactivación de fase, tal como [6.36, 14.61] × 10 6 metro 3 con un intervalo 8.25

Fig. 9 (A) y (c), La Fig. 10 (A) y (c), y La Fig. 11 (A) y (c), se puede inferir ese la optimización de los recursos de × 10 6 metro 3 en la subzona 3, y [4,85, 13.84] × 10 6 metro 3 con un intervalo 8.99 × 10 6 metro 3

agua de riego locales para el invierno trigo principalmente se basa en suministro de agua embalses. Del mismo

modo, el maíz principalmente se basa en embalses de abastecimiento de agua también. Desde Fig. 9 (H),

La Fig. 10 (H) y La Fig. 11 (H), la mayoría de las aguas subterráneas irrigado al algodón se produce en subárea
4. De acuerdo a similitudes entre Fig. 9 (H) y (i), La Fig. 10 (H) y (i), y La Fig. 11 (H) y (i), se puede inferir que en la subzona 6. Por el contrario, todos los valores de intervalo son cero en la planta de semillero, del arranque, y la

óptima local el algodón se basan principalmente en el suministro de agua del suelo. partida etapas. Desde La Fig. 12 , Se puede ver claramente que las variabilidades son principalmente concentrada

durante la hibernación y la reactivación de etapas. Por lo tanto, la disposición a aceptar una baja bene sistema fi cio

Porque el maíz y el trigo de invierno son los principales consumidores de agua, la total agua podría garantizar el cumplimiento de la pequeña cantidad de agua de riego durante la hibernación y la reactivación

óptima asignación porcentajes dependen principalmente de su parte de agua recursos. Por lo tanto, de las etapas, mientras que un fuerte deseo de adquirir un alto sistema de beneficio podría funcionar en un alto

óptima porcentaje asignación de agua a todos los cultivos es similar a porcentaje óptimo de riesgo de escasez de agua de riego durante las últimas etapas.

asignación de agua para invierno trigo.

la comparación de la resultados, es obvio que los porcentajes de asignación de agua óptimo, excepto en el escenario 1, la variabilidad de la distribución del agua de tratamiento óptima total a trigo de invierno y el maíz

para el algodón, son básicamente afectados por los escenarios, debido a la similitud de gráficos. Sin es grande, como se muestra en Fig. 6 (a y B); en el escenario 2, la variabilidad de la asignación total de agua óptimo para

embargo, el agua de riego de local algodón no juega un papel crítico en el suministro total de agua entre el trigo de invierno es grande, como se muestra en Fig. 7 (A), pero pequeñas al maíz, como se muestra en

la pequeñísimo área de siembra.

Fig. 7 (segundo); en el escenario 3, la variabilidad de la asignación total de agua óptima es
92 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

Higo. 9. óptima agua asignación porcentaje (años secos, ˛ = 0.4). (A), (d), (g), y (j) son porcentajes óptimos de asignación de agua de agua embalses; (B), (e), (h), y (k) son óptimas agua asignación porcentajes de agua del suelo; (C), (f), (i), y (l) son
porcentajes óptimos de asignación de agua de los recursos totales de agua; (A), (b), y (c) son asignación óptima de agua porcentajes a trigo de invierno; (D), (e) y (f) son porcentajes óptimos de asignación de agua al maíz; (G), (h), y (i) son
porcentajes óptimos de asignación de agua al algodón; (J), (K) y (l) son porcentajes de asignación de agua óptimo a todos los cultivos.

a trigo de invierno y de algodón debe ser disminuido en caso de agua insu fi ciente. En el escenario 3,
pequeño, como se muestra en la Fig. 8 (a y B). Los resultados indican que las interacciones existe entre suministros
para varios cultivos competidores cuando el agua recursos disponible es limitado, debido a beneficio que es fácil de obtener mayor bene sistema fi t debido al depósito de agua abundante. Bajo esta
efectos sobre el agua-asignación patrones. En el escenario 1, la asignación de agua a tres cultivos podría condición, estos cultivos pueden ser irrigadas de acuerdo con el límite superior de asignación óptima
ser disminuido en caso de agua insu fi ciente. Sin embargo, debajo guión 2, asignación óptima de agua de agua.
para el maíz debe ser satis fi ed fi rstly, debido a su mayor beneficio, y la asignación de recursos
hídricos La Fig. 13 ilustra la comparación entre real bene sistema fi t y óptimo bene sistema fi t. Se
calcularon los bene fi cios sistema
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 93

Higo. 10. agua óptima porcentaje de asignación (años normales, ˛ = 0.4). (A), (d), (g), y (j) son porcentajes óptimos de asignación de agua de agua embalses; (B), (e), (h), y (k) son óptimas agua asignación porcentajes de agua del suelo; (C), (f), (i), y (l)
son porcentajes óptimos de asignación de agua de los recursos totales de agua; (A), (b), y (c) son asignación óptima de agua porcentajes a trigo de invierno; (D), (e) y (f) son porcentajes óptimos de asignación de agua al maíz; (G), (h), y (i) son
porcentajes óptimos de asignación de agua al algodón; (J), (k) y (l) son porcentajes de asignación de agua óptimo a todos los cultivos.

a ˛ = 1. A partir de la figura, es obvio que los bene fi cios reales del sistema son más baja que la óptima
bene sistema fi t. En 2011, el sistema actual beneficio era 1.60 × 10 9 RMB, mientras que el sistema
óptimo beneficio estaba 1.61 × 10 9 RMB. Por otro lado, hay una brecha mayor entre real y ts fi cios
sistema óptimas, tales como 0.26 × 10 9
RMB en 2010. Así, la actual asignación de recursos hídricos podría ser mejorado y llegar más alto
bene sistema fi t. La asignación óptima de agua podría conducir a un mayor beneficio que la actual
asignación.
En todos los años, el sistema podría llegar más alto nivel de gestión mediante la asignación de los
recursos hídricos entre las subáreas basadas en el modelo. Por ejemplo, la comparación entre el
rendimiento real y óptima en año 2009 se muestra en la La Fig. 14 . El rendimiento de trigo de invierno
cambia poco entre la situación real y la situación óptima. en la subzona 2, los cambios en el rendimiento de
7200 kg / ha a 5759 kg / ha con la optimización. Este es el cambio más grande para el trigo de invierno en 2009.
El rendimiento del maíz se redujo en todas las subáreas. Además, el rendimiento de algodón
94 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

Higo. 11. agua óptima asignación porcentaje (años húmedos, ˛ = 0.4). (A), (d), (g), y (j) son porcentajes óptimos de asignación de agua de agua embalses; (B), (e), (h), y (k) son óptimas agua asignación porcentajes de agua del suelo; (C), (f), (i), y (l) son
porcentajes óptimos de asignación de agua de los recursos totales de agua; (A), (b), y (c) son asignación óptima de agua porcentajes a trigo de invierno; (D), (e) y (f) son porcentajes óptimos de asignación de agua al maíz; (G), (h), y (i) son porcentajes
óptimos de asignación de agua al algodón; (J), (K) y (l) son porcentajes de asignación de agua óptimo a todos los cultivos.

sería aumentado sustancialmente. En la subzona 4 y subárea 8, rendimiento de algodón haría llegar a
1320 kg / ha. General del sistema, podría ser óptima Más igual para cada subárea, y la fi bene sistema
t podría ser mayor que la real situación.
En la caso estudiar el soluciones para la asignación óptima de agua para lograr máximo ganancia
económica han producido resultados diferentes para Tres escenarios. Los administradores pueden
configurar ˛- niveles de corte de acuerdo con su propia voluntad, y obtener soluciones de NFIIOM. El
modelo toma
en cuenta coeficiente de Gini para lograr un reparto equitativo de agua, por lo que las soluciones
serían receptivos para la gran mayoría de los agricultores en el distrito de riego. Para adquirir un alto
sistema de bene fi t, la región más cerca de las aguas de superficie, tales como subárea 1, debería
asignarse más agua que la región lejos de agua de superficie, tal como subáreas 7 y 8. En un sentido
más amplio, la distribución de agua está previsto por la Oficina de Gestión de toallitas de riego Área
de Hebei. Por lo tanto, el gobierno local puede distribuir fácilmente agua por cada
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 95

Higo. 12. El agua de riego la asignación de trigo de invierno en período de crecimiento (años normales, ˛ = 0.4). (A), (b), . . ., (H) representan subáreas 1, 2, . . ., 8. Las líneas continuas representan los límites superiores del total de asignación de agua óptimo, y de trazos líneas

representan límites inferiores de la asignación total de agua óptima.

96 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

subárea de acuerdo con los esquemas óptimos de asignación de agua. Como de costumbre, la distribución de

agua todavía se concentra en varias etapas de crecimiento especí fi c en el que la precipitación no es su fi

ciente para satisfacer las necesidades de crecimiento de los cultivos. El suministro de agua a los cultivos

prioridad es agua superficial en las varias etapas, mientras que el agua del suelo se puede utilizar en los otros

periodos de riego suplementario. A través de la asignación de agua con el método desarrollado en este estudio,

los esquemas de asignación de agua más precisas se pueden proporcionar para todos los períodos, los

cultivos y las subáreas. Esto no se ha logrado en el pasado el modo de planificación global.

NFIIOM tiene en cuenta dos fuentes de agua, aguas superficiales y aguas subterráneas, por lo que el
modelo puede ser utilizado directamente para la asignación óptima de agua de otros distritos de riego sin
Higo. 13. Comparación entre ts reales y óptimos fi cios sistema. ninguna modificación fi.

5. Conclusiones

Un modelo de programación lineal difusa intervalo fue desarrollado para la planificación y

gestión de los recursos de agua de riego agrícola. NFIIOM se basa en la programación no lineal
intervalo difuso. Se puede hacer frente a la no linealidad en el beneficio objetiva e incertidumbres
expresadas en intervalos discretos y números difusos. Se obtuvieron soluciones para la asignación
óptima de agua en diferentes escenarios.

La principal ventaja de NFIIOM es su capacidad de incorporar múltiples recursos hídricos, múltiples

subáreas, múltiples cultivos, y las etapas de crecimiento de cultivos múltiples en el marco de
optimización. El modelo NFIIOM representa un nuevo esfuerzo para obtener esquemas óptimos de
asignación de agua a través de la maximización de beneficios económicos de los agricultores locales, y
se somete a un conjunto de restricciones en la disponibilidad de agua, la evapotranspiración, la prioridad
de agua del embalse, la equidad, y una serie de restricciones técnicas.

El método fue aplicado a un caso real de la planificación de la gestión del agua de riego agrícola en
el distrito de toallitas, provincia de Hebei, China, donde se analizaron una serie de escenarios basados
​en diferentes gestión de recursos hídricos. soluciones razonables se han generado y han proporcionado
información de intervalos discretos para la asignación óptima de agua. Bajo grado difusa del nivel de
suscripción igual a 1,0, los beneficios del sistema fi son 1.53 × 10 9 RMB para los años secos, 1.61 × 10 9 RMB
para años normales y 1.62 × 10 9 RMB para años húmedos. Por otra parte, diferentes escenarios para la
planificación de los recursos hídricos conducirían a objetivos de asignación variadas y bene fi cios del
sistema. Los resultados se pueden utilizar para ayudar a los gerentes de distrito de riego toallitas para
establecer esquemas efectivos de asignación de agua y maximizar el beneficio de los agricultores
locales.

Además, no había insu datos de precipitación fi ciente de años continuos en todas las subáreas,
debido a que algunas estaciones de observación se establecieron dentro de los últimos doce años, y
se construyeron canales y pozos, reparar, reconstruir, o abandonados de año en año. Para hacer
frente a tal información, una función de pertenencia borrosa era más adecuado que los métodos
estocásticos, porque los métodos estocásticos requiere una gran cantidad de datos objetivos, y el
estudio no tenía esa información. En consecuencia, el trabajo futuro se seguirá centrando en la re fi
nir el modelo y recoger datos de precipitación en todas las subáreas durante muchos años. Por
ejemplo, métodos de programación de múltiples etapas o estocásticos se pueden aplicar para
mejorar el modelo de sistema.

Expresiones de gratitud

Esta investigación fue apoyada por la Fundación Nacional de Ciencias Naturales de China (Nº 51321001),
los Fondos Públicos de Investigación para Proyectos de Gobierno Ministerio de Agricultura (No.

201203077), y el Programa de Cooperación Internacional de Ciencia y Tecnología de China

Higo. 14. Comparación entre el rendimiento real y óptima para año 2009. (2013DFG70990).
 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98 97

Apéndice.

Modelo A:
( ET + )
Σ Σ
iSubarea
Π
iStagei Illinois
Σ
- ICROP Σ
iSubarea
Σ
iSource
Σ
iStage
c, ijl
Max f + C+ do W, j W + (3a)
1 = ICROP C, i UNA ij Y mi ET cm, il IJKL

i=1 j=1 l=1 i=1 j=1 k=1 l=1

ET + (3b)
c, ijl ≥ ET do min, Illinois ∀ yo, j, l

ET + (3c)
c, ijl ≤ ET cm, Illinois ∀ yo, j, l
••••• = ET cm, Illinois
if ((1 - ˛) P +
ijl + PAG ijl + R ijl> ET cm, il)
Σ iSource
ET + ∀ yo, j, l (3d)
c, ijl
k=1W + IJKL
= 0.1 + (1 - ˛) P +
ijl + PAG ijl + Rhode Island jl de otra manera
UNA ij

{= 0
if ((1 - ˛) P +
ijl + PAG ijl + R ijl> ET cm, il o ˇ IL = 0)
W+ k = 1, ∀ yo, j, l (3e)
IJKL
≤ Q max, jk T Illinois de otra manera

Σ
ICROP iSubarea
Σ Σ
iStagei
W+
IJKL
≤ ( 1 - ˛) W + (3f)
R+ wRk = 1
jk
i=1 j=1 l=1

{= 0
if ((1 - ˛) P +
ijl + PAG ijl + Rhode Island jl> ET cm, il)
W+ k = 2, ∀ yo, j, l (3 g)
IJKL
≤ jk (( 1 - ˛) W +
W, j + w W, j) de otra manera

Σ
ICROP iStagei
Σ W+
IJKL
≤ ( 1 - ˛) W + (3h)
W, j + w W, j k = 2, ∀ j
jk
i=1 l=1
{= 0
Si ( W +
ij 1 l ≤ Q max, jk T Illinois y ˇ IL = 1)
W+ k = 2, ∀ yo, j, l (3i)
IJKL
≤ Q max, jk T Illinois de otra manera

||||| iStagei ||||| ≤ 2 GN 0

Σ
iSubarea
Σ
iSubarea
Σ Σ Σ
iSubarea
Σ
iStagei

ET + ET + ET + (3j)
c, ij 1 l - iStage c, ij 2 l c, ijl ∀ yo
j1 j2 l=1 l=1 j l

W+ (3k)
IJKL ≥ 0 ∀ yo, j, k, l

dónde W +
IJKL son decisión variables, ET + c, ijl son variables intermedias, y ˇ Illinois son unos binarios.
Modelo B:
( ET - )
Σ Σ
iSubarea
Π
iStagei Illinois
Σ
- ICROP Σ
iSubarea
Σ
iSource
Σ
iStage
c, ijl
Max f - do - do W, j W - (4a)
1 = ICROP C, i UNA ij Y mi ET cm, Illinois
IJKL

i=1 j=1 l=1 i=1 j=1 k=1 l=1

ET - (4b)
c, ijl ≥ ET do min, Illinois ∀ yo, j, l

ET - (4c)
c, ijl ≤ ET cm, Illinois ∀ yo, j, l
••••• = ET cm, Illinois
if ((1 - PAG -
ijl + PAG ijl + R ijl> ET cm, Illinois)
Σ iSource
ET - ∀ yo, j, l (4d)
c, ijl
k=1W- ij 1 l
= 0.1 + (1 - PAG -
UNA ij
ijl + Pi jl + R ijl de otra manera

{= 0
if ((1 - PAG -
ijl + PAG ijl + R ijl> ET cm, il o ˇ IL = 0)
W- k = 1, ∀ yo, j, l (4e)
IJKL
≤ Q max, jk T Illinois de otra manera

Σ
ICROP iSubarea
Σ Σ
iStagei
W-
IJKL
≤ ( 1 - ˛) W - (4f)
R+ wRk = 1
jk
i=1 j=1 l=1

{= 0
if ((1 - PAG -
ijl + PAG ijl + Rhode Island jl> ET cm, Illinois)
W- k = 2, ∀ yo, j, l (4 g)
IJKL
≤ jk (( 1 - ˛) W -
W, j + w W, j) de otra manera
98 G. Yang et al. / Gestión de Agua para la Agricultura 158 (2015) 82-98

ΣCROP iStagei
Σ W-
Lu, HW, Huang, GH, Él, L., 2009a. Un método de programación inexacta para la agricultura
IJKL sistemas de riego bajo parámetro de incertidumbre. Stoch. Reinar. Res. Evaluar el riesgo. 23 (6), 759-768.
≤ ( 1 - ˛) W - (4h)
W, j + w W, j k = 2, ∀ j
jk
i=1 l=1 Lu, HW, Huang, GH, Él, L., 2010. Desarrollo de un intervalo-valorado difuso
{= 0 método de programación lineal basa en infinito alfa-cortes para la gestión de los recursos hídricos. Reinar. Modelo. N
Si ( W - del software. 25 (3), 354-361.
ij 1 l ≤ Q max, jk T Illinois y ˇ IL = 1)
W- k = 2, ∀ yo, j, l (4i)
IJKL Lu, HW, Huang, GH, Él, L., 2011. Un rough-intervalo pro- lineal fuzzy inexacta
≤ Q max, jk T Illinois de otra manera
método gramación para generar estrategias de asignación de agua conjuntivas para sistemas de riego agrícola.
||||| iStagei ||||| ≤ 2 GN 0 Appl. Mates. Modelo. 35 (9), 4330-4340.
Σ Σ Σ Σ Σ Σ
Subarea iSubarea iStagei iSubarea iStagei
Lu, HW, Huang, GH, Lin, YP, Él, L., 2009b. A dos pasos infinito alfa-Cuts
ET -
c, ij 1 l -
ET -
c, ij 2 l
ET -
c, ijl ∀ yo
(4j) método de programación lineal difusa en la determinación de las estrategias de asignación óptima de los sistemas

j1 j2 l=1 l=1 j l
de riego agrícola. Resour agua. Gestionar. 23 (11), 2249-2269.

W- (4k) Lu, HW, Huang, GH, Zeng, GM, Maqsood, Yo él, L., 2008. Una de dos etapas inexacta
IJKL ≤ W+ IJKL optar ∀ yo, j, k, l modelo de programación fuzzy-estocástico para la gestión de los recursos hídricos. Resour agua. Gestionar. 22 (8),
991-1016.
W- (4L)
IJKL ≥ 0 ∀ yo, j, k, l Lu, HW, Huang, GH, Zhang, YM, He, L., 2012. Estratégica del uso del suelo agrícola plan-
Ning en respuesta a la variación-suministrador de agua en la región rural de una China. Agric. Syst.
dónde W - 108, 19-28.
IJKL son decisión variables, ET - c, ijl son variables intermedias,
Maleki, HR, Mashinchi, METRO., 2004. número difuso de programación lineal: un probabilístico
y ˇ Illinois son unos binarios.
enfoque (3). J. Appl. Mates. Comput. 15 (1-2), 333-341.
Nazer, DW, Tilmant, A., Mimi, Z., Siebel, MA, Van der Zaag, P., Gijzen, HJ, 2010.
referencias Optimización del uso del agua de riego en Cisjordania, Palestina (artículo retraída. Ver vol. 98, pg. 732, 2011).
Agric. Administrar el agua. 97 (2), 339-345.
Qin, XS, Huan, GH, Zeng, GM, Chakmad, A., Huang, YF, 2007. un intervalo-
Bajo, SEGUNDO., Huang, G., Russo, J., 1997. La incorporación del cambio climático en la evaluación de riesgos
parámetro de modelo difuso de optimización no lineal para la gestión de la calidad del agua corriente en condiciones de
usando gris matemático programación. J. Environ. Gestionar. 49 (1), 107-123.
incertidumbre. EUR. J. Oper. Res. 180 (3), 1331-1357.
Aglutinante, J., Graeff, S., Claupein, W., Liu, M., Dai, M., Wang, PAG., 2007. un empírica
Raju, KS, Duckstein, L., 2003. programación lineal multiobjetivo difusa para la sostenibilidad
evaluación del rendimiento las estrategias de rendimiento y ahorro de agua en un trigo de invierno
la planificación del riego poder: un estudio de caso de la India. Comput suave. 7 (6), 412-418.
- verano maíz sistema de doble cultivo en el llano de China del Norte. P fl anzenbauwissenschaften 11 (1), 1-11.
Regulwar, DG, Gurav, JB, 2012. la planificación del riego sostenible con impre-
parámetros Cise bajo ambiente difusa. Resour agua. Gestionar. 26 (13), 3871-3892.
Marrón, PD, Cochrane, TA, Krom, TD, 2010. Óptima programación de riego en las explotaciones agrícolas
con un límite de agua estacional usando recocido simulado. Agric. Administrar el agua. 97 (6), 892-900.
Salman, AZ, Al-Karablieh, MI., 2004. La medición de la disposición de los agricultores a pagar
de las aguas subterráneas en las zonas altas de Jordan. Agric. Administrar el agua. 68 (1), 61-76.
Chen, CX, Pei, SP, Jiao, JJ, 2003. el hundimiento del suelo causada por el agua subterránea explota-
ción en La ciudad de Suzhou, China. Hydrogeol. J. 11 (2), 275-287.
Schlager, MI., 2005. Ríos para la vida: la gestión del agua para la gente y la naturaleza. Ecol. Econ.
Chen, S., 1985. Clasificación números difusos con la maximización conjunto y reducir al mínimo establecido.
55 (2), 306-307.
Fuzzy Sets Syst. 17 (2), 113-129.
Singh, Un panda, SN, 2012. Desarrollo y aplicación de un modelo de optimización
Galelli, S., fi Gandol, DO., Soncini-Sessa, R., Agostani, RE., 2010. La construcción de un metamodelo
para la maximización del rendimiento neto de productos agrícolas. Agric. Administrar el agua. 115, 267-275.
de una irrigación distrito modelo de parámetros distribuidos. Agric. Administrar el agua. 97 (2), 187-200.

Dom, RE., 2013. Análisis sobre la equidad de la asignación de recursos, el médico de China Caso
Guo, PAG., Huang, GH, Li, YP, 2008. programación cuadrática estocástico intervalo
Llevar a la fuerza. J. Bus. Adm. Res. 2 (2), 61-65.
enfoque para la residuos sólidos urbanos administración. J. Environ. Ing. Sci. 7 (6), 569-579.
Takahashi, T., Aizaki, H., Ge, Y., Ma, M., Nakashima, Y., Sato, T., Wang, W., Yamada,
NORTE., 2013. comercio de agua agrícola bajo la fragmentación de las tierras agrícolas: un análisis de simulación de un distrito
Gurav, JB, Regulwar, DG, 2012. la planificación del riego sostenible multiobjetivo
de riego en el noroeste de China. Agric. Administrar el agua.
con decisión parámetros y variables de decisión difusos en la naturaleza. Resour agua. Gestionar. 26 (10), 3005 hasta
122, 63-66.
3021.
Tilman, D., Cassman, KG, Matson, PA, Naylor, R., Polasky S., 2002. agricul-
Hamdy, UNA., Abuzeid, METRO., Lacirignola, DO., 1995. Crisis del agua en el Mediterráneo:
tural sostenibilidad y las prácticas de producción intensiva. Naturaleza 418 (6898), 671-677.
agua para la agricultura demanda administración. Int agua. 20 (4), 176-187.
Él, PAG., Li, S., Jin, J., Wang, H., Li, C., Wang, Y., Cui, R., 2009. Rendimiento de un opti-
Tornero, JL, CAPS fl ett, SC, Batten, R., 2013. ventaja aguas arriba de China en la gran
mized nutritivo sistema de gestión de rotaciones de cultivos dobles trigo-maíz en Norte-centro de China. Agron. J.
Himalaya de cuencas. Política de Asia 16 (1), 11-18.
101 (6), 1489-1496.
Vedula, S., Mujumdar, PP, Sekhar, GC, 2005. el uso de modelos de múltiples conjuntiva
Hernandes, F., Lamata, MONTE, Verdegay, JL, Yamakami, UNA., 2007. El más corto
el riego de cultivos. Agric. Administrar el agua. 73 (3), 193-221.
camino problemas en redes con parámetros difusos. Fuzzy Sets Syst. 158 (14), 1561-1570.
Xia, J., Zhang, L., Liu, C., Yu, J., 2007. Hacia una mejor seguridad del agua en el norte de China.
Resour agua. Gestionar. 21 (1), 233-247.
Huang, GH, Baetz, BW, Fiesta, GG, 1993. Una programación lineal difusa gris
Xiao, JF, Liu, ZD, Duan, AW, Liu, ZG, 2008. Estudio sobre el modelo de Jensen en cada cultivo
enfoque para la residuos sólidos urbanos planificación de la gestión en condiciones de incertidumbre. Civil Ing. Syst. 10 (2), 123-146.
escenario para cultivos principales en China. Sav agua. Irrig. (7), 1-8.

xiaoyan, L., Guohe, H., Hongwei, L., Bin, S., 2011. modelo de optimización para ITSP
Huang, GH, Cao, MF, 2011. Análisis de los métodos de solución para pro- lineal intervalo
la gestión del agua de riego en el condado Yongxin. Adv. Mater. Res. 361-363, 1022-1025.
gramación. J. Reinar. Informar. 17 (2), 54-64.
Huang, Y., Li, YP, Chen, X., Ma, YG, 2012. La optimización del agua de riego
Yang, H., Reichert, P., Abbaspour, KC, Zehnder, UNA., 2003. A los recursos hídricos umbral
recursos para agrícola sostenibilidad en la cuenca del río Tarim, China. Agric. Administrar el agua. 107, 74-85.
antiguo y sus implicaciones para la seguridad alimentaria. Reinar. Sci. Technol. 37 (14), 3048 hasta 3054.

Jensen, YO, 1968. Agua el consumo por las plantas agrícolas. En: Jensen, ME (Ed.),
YoungJou, L., ChingLai, H., 1992. Un nuevo enfoque de algunos pro-lineal posibilístico
Agua De los déficit y Plantas de Crecimiento. Nueva York, pp. 1-22.
problemas programa-. Fuzzy Sets y Sistemas 49 (2), 121-133.
Lambert, PJ, Aronson, JR, 1993. Desigualdad análisis de descomposición y la Gini
Zhang, D., Ventilador, G., Liu, Y., Ma, L., 2010. Los ensayos de campo de protección de los acuíferos en frente largo
coef fi ciente revisited. Econ. J. 103 (420), 1221-1227.
la minería de vetas de carbón de poca profundidad en China. International Journal of Rock Mechanics y de Minería 47
Li, J., 1998. Modelado de rendimiento de los cultivos como afectados por la uniformidad de riego por aspersión
(6), 908-914.
sistema. Agric. Agua Gestionar. 38 (2), 135-146.
Zhang, P., Xu, METRO., 2011. La vista desde el condado: las desigualdades regionales de China de
Li, METRO., Guo, P., Fang, SQ, Zhang, LD, 2013. Un parámetro fuzzy inexacta de dos etapas
el desarrollo socioeconómico. Ana. Econ. Finanzas 12 (1), 183-198.
estocástico modelo de programación para la distribución del agua de riego en condiciones de incertidumbre. Stoch. Reinar. Res.
Zhu, Y., Li, YP, Huang, GH, Guo, L., 2013. Evaluación de riesgos de riego agrícola
Evaluar el riesgo. 27 (6), 1441-1452.
agua bajo funciones de intervalo. Stoch. Reinar. Res. Evaluar el riesgo. 27 (3), 693-704.
Li, YP, Huang, GH, 2007. Inexacto programación cuadrática estocástica multietapa
Zwick, R., 1993. Fuzzy Set-Teoría y sus Aplicaciones, 2ª edición - Zimmermann,
método para sistemas de planificación de los recursos hídricos en condiciones de incertidumbre. Reinar. Ing. Sci. 24 (10), 1361-1378.
HJ. A.m. J. Psychol. 106 (2), 304-308.