在 2014 年至 2017 年期间，我有幸与智利的一个多学科团队合作，构建决策支持工具，以促进水力发电能力的规划，作为化石燃料热电能力的替代方案。我们的工作还包括协助输电线路走廊的设计。 输电线路将“大宗电力”从发电地点输送到用电地点。这些线路悬挂在铁塔上，铁塔位于 输电走廊内，为了安全起见，需要对植被和通道进行管理。在许多国家，这些走廊的位置都经过仔细规划，以便考虑到工程可行性以及社会、文化、环境和其他经济因素。
早些时候，我写过关于 水力发电能力规划实践的文章，但输电走廊规划项目是后来才出现的，在这些项目的背景下，我们更多地了解了我们使用的估值框架，以及开源软件如何为情景生成和测试以及一般的权衡分析提供出色的解决方案。我将在此回顾这些细节。
价值对象
水力发电能力和输电走廊规划的基础都是某种表征现有景观特征重要性或价值的方法。在我们的研究中，我们改编和扩展了 HCV 网络 定义的 六个高保护价值 （物种多样性、景观层面生态系统、生态系统和栖息地、生态系统服务、社区需求和文化价值）。
在水力发电能力方面，我们定义了与河流生态系统、陆地生态系统、与农村生计相关的社会问题、土著文化问题、非土著文化问题以及土地的其他经济用途相关的特定价值对象组。
在输电走廊规划方面，我们可以忽略河流生态系统问题，因为总的来说，输电线路往往会跨越河流网络，而不会产生重大影响。
这种改编和扩展的原因之一是为了认可智利普遍可用的支持数据的类型。这些数据中的大部分以 shapefile 的形式提供，这是一种常用的地理空间数据格式。通过这种方式，我们能够利用现有的数据库，这些数据库要么直接描述了我们的价值对象（例如，国家公园），要么提供了代理（例如，土著社区的位置充当了土著人民感兴趣区域的代理之一），要么对这类对象进行了建模（例如，根据测量的当地因素预测濒危物种存在情况的模型）。
在河流生态系统方面，我们的团队发现有必要手动根据 河段 的自然特征及其附近的建筑环境对其进行分类。
我们能够利用许多开源地理空间工具，例如 QGIS、 GDAL/OGR 以及 PostGIS 扩展 到 PostgreSQL 开源关系数据库，以便控制手头的地理空间数据的质量。这些工具还帮助我们进行了必要的 空间分析类型，以确定各种价值对象之间的关系，一方面是潜在的水电项目，另一方面是可能的替代输电走廊。
水力发电能力规划
智利水力发电能力规划的关键是在保证与价值对象固定水平交互的前提下，最大限度地发电。
这是经典的 0-1 背包问题的一种变体，其目标是用从大量集合中选择的最有价值的对象填充容量有限的背包。我们发现，当我们按照水力发电潜力降序对潜在的水电项目进行排序，并绘制水力发电潜力和“其他价值”（由价值对象的存在决定）时，我们总是看到类似于下图的分布
水力发电潜力可以看作是单调递减的红色条；其他价值可以看作是蓝色的“栅栏”。从图表顶部消失的大蓝色条表示国家公园的存在，在国家公园内不允许进行任何开发。
注意：我需要的所有图表，包括上面的图表，都是用 LibreOffice Calc 创建的。
水力发电潜力与其他价值之间，或者更确切地说，是两者之间缺乏这种相关性，告诉我们，我们应该能够从非常有限的站点数量中优化发电量；而这实际上就是我们发现的。
精彩的 Rosetta Code 网站 提供了许多 解决 0-1 背包问题的方法。因为我是 Groovy 编程语言的忠实粉丝，而且 Groovy 上提供的动态规划解决方案 非常紧凑和优雅，所以我选择它作为评估情景的工具的基础。在我们的案例中，项目的“权重”定义为它们的价值对象之和，“价值”定义为水力发电潜力。当然，我们可以制定这个问题来选择潜在的项目，以尽量减少它们与价值对象的交互；然而，水力发电潜力和其他价值的相对独立性表明，这种制定可能不太合适。
值得注意的是，对价值对象的“影响”的“显而易见”的解释并不完全恰当；在某些情况下，水力发电开发不会影响价值对象；而在另一些情况下，水力发电开发甚至可能通过被迫制定与开发相协调的保护计划来促进当地经济、社会和文化发展。我们观察到的是，价值对象的总价值越高，预测达成双方都能接受的解决方案所需的对话和规划量就越准确。
输电走廊规划
智利输电走廊规划的关键是要认识到，建设输电线路涉及到与沿途利益相关者的的大量谈判，因此一种可行的方法是选择一条谈判量最小的走廊——本质上是选择走廊的最低成本路径，使用价值对象的总和作为成本的衡量标准。
寻找最低成本路径一直是 20 世纪中期以来的研究领域。 E.W. Dijkstra 因其 最短路径问题的最著名解决方案而受到赞誉。此后，人们开发了许多提供更快解决方案的方法。
在我们的案例中，我们将问题表示为一个二维栅格，从栅格的一个单元格移动到另一个单元格的成本由进入新单元格的成本给出，如与该新单元格交互的价值对象的总和所定义。我们将这个概念模型转换为 有向图。因为我们不是在寻找“THE 最短路径”，而是寻找一些替代解决方案，所以我们将搜索分为两部分——找到从两个点（要设计的线路的起点和终点）到“可行区域”中所有其他点的最短路径。使用它，我们可以展示在哪些区域可以开发输电走廊，这些走廊需要的交互水平低于某个水平。在我们选择用于方法论概念验证的区域中，这些成本相似的区域看起来像
在这些区域中，可以开发输电走廊，这些走廊需要的交互水平低于某个水平。通过 QGIS 和 OpenStreetMap
“难以穿越”的区域以深红棕色显示；“较容易穿越”的区域为淡橙粉色；“最容易穿越”的区域为非常淡的黄白色。
通过这种“穿越成本表面”，我们确定了一个初步的宽阔走廊，可以在其中进行更详细的研究，以支持确定最终和精确的走廊。该走廊在下图中以淡绿色显示
以淡绿色显示的是一个初步的宽阔走廊，可以在其中进行更详细的研究，以支持确定最终和精确的走廊。通过 QGIS 和 OpenStreetMap
请注意，这个宽阔的走廊包含少量难以穿越和较容易穿越的区域，因为图像中最容易穿越部分的西部范围非常狭窄。
同样，开源再次提供了帮助，这次是以 Dijkstra 算法的一种变体“K-最短路径”的形式，如 亚利桑那州立大学 Yan Qi 用 Java 实现的版本。我选择这个 Java 版本部分原因是因为 Java 和 Groovy 之间具有出色的互操作性，我再次使用 Groovy 进行所有数据管理工作。
总结性评论
是否有其他方法可以解决这些问题？当然有。
最近，我尝试使用 Julia 编程语言 来处理 0-1 背包问题。当然，在开源和“其他”地理信息系统中都实现了最短路径算法。但对我来说，最终，最酷的事情是能够依靠他人的工作，并提供我们的工作作为回报，来解决这类问题。而且，我敢说，为拯救地球做了一点贡献。
评论已关闭。