智利可以使用支付宝嘛？

从2014年到2017年，我有幸与智利的一个多学科团队合作，建立了决策支持工具，以促进水电容量的规划，以替代基于化石燃料的热电容量。 我们的工作也是协助设计输电线路走廊。 传输线将“散装电力”从发电的地方传送到消耗的地方。 这些线路是从位于传输走廊内的塔架上串起的，那里为了安全起见对植被和通道进行了管理。 在许多国家/地区中， 精心规划了这些走廊的位置，以考虑工程可行性以及社会，文化，环境和其他经济因素。

之前，我写过有关水电容量规划工作的文章 ，但后来进行了输电走廊规划项目，在这些项目的背景下，我们了解了更多有关所使用的评估框架以及开源软件如何为情景生成提供出色解决方案的知识。测试和一般的权衡分析。 我将在这里重新讨论这些细节。

价值对象

水电容量和输电走廊规划的基础是表征现有景观特征重要性或价值的某种方式。 在我们的研究中，我们调整并扩展了 HCV网络定义的六个高保护价值 （物种多样性，景观水平生态系统，生态系统和栖息地，生态系统服务，社区需求和文化价值）。

就水力发电能力而言，我们定义了与河流生态系统，陆地生态系统，与农村生存有关的社会问题，土著文化问题，非土著文化问题以及土地的其他经济用途有关的特定价值对象组。

在传输走廊规划的情况下，我们能够忽略河流生态系统的问题，因为通常来说，传输线倾向于跨河流网络，而不会产生重大影响。

进行这种修改和扩展的原因之一是认识到智利通常可获得的各种支持数据。 这些数据大部分以shapefile的形式获得， shapefile是地理空间数据的常用数据格式。 通过这种方式，我们可以利用直接描述我们的价值目标的现有数据库（例如国家公园），或提供代理数据库（例如，土著社区的位置作为感兴趣区域的代理之一）土著人民）或对此类对象进行建模（例如，基于测得的本地因素预测处于危险中的物种的存在的模型）。

对于河流生态系统，我们的团队发现有必要根据河流的自然特征和附近环境的存在对其进行人工分类。

我们能够利用许多开源地理空间工具，例如QGIS ， GDAL / OGR和PostGIS扩展到PostgreSQL开源关系数据库，以控制手边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，一方面确定潜在的水电项目，另一方面确定可能的替代输电通道。

水电容量规划

智利水力发电容量计划的关键是在一定的限制下能够产生最大电量的能力，同时确保与价值对象的相互作用达到固定水平。

这是经典0-1背包问题的一种变体，该问题的目的是用从大集合中选择的最有价值的物品填充容量有限的背包。 我们发现，当我们按水电势的降序对潜在的水电项目进行排序，并绘制水电势和“其他值”（由价值对象的存在确定）时，我们总是看到类似于以下的分布：

水电势可以看成红色的单调递减条形。 其他值为蓝色的“围栏”。 图表顶部上方消失的大蓝条表示存在国家公园，不允许开发。

注意：我需要使用LibreOffice Calc创建的所有图形，包括上面的图形。

水电势与其他值之间的这种相关关系，或者说缺乏它，告诉我们，我们应该能够针对数量有限的站点进行发电优化。 实际上，这就是我们所发现的。

很棒的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编程语言的忠实拥护者 ，并且因为该页面上Groovy中提供的动态编程解决方案是如此紧凑而优雅，所以我选择将其用作评估场景的工具的基础。 在我们的案例中，项目的“权重”定义为其价值对象的总和，而“价值”则定义为水电势。 当然，我们可以制定这个问题来选择那些选择潜在项目的项目，以最大程度地减少它们与价值客体的相互作用。 但是，水电势和其他值的相对独立性表明，这种表述方式不合适。

值得注意的是，“影响”对价值客体的“明显”解释并不完全恰当； 在某些情况下，水电开发不会影响价值目标； 在其他情况下，水电开发甚至可能被迫制定与发展相协调的保护计划，甚至可以促进当地的经济，社会和文化发展。 我们观察到的是，对于有价值的目标，较高的总价值可以合理准确地预测出达成双方可接受的解决方案所需的对话和计划的数量。

传输走廊规划

智利进行输电通道规划的关键是要认识到，建设一条输电线路会在整个过程中与利益相关方进行大量谈判，因此一种可行的方法是选择一条使谈判量最小的走廊–本质上，选择一条走廊的最小成本路径，使用总价值对象作为成本度量。

至少从20世纪中期开始，寻找成本最低的途径一直是研究的领域。 EW Dijkstra被认为是最短路径问题的最著名解决方案。 从那时起，已经开发出许多提供更快解决方案的方法。

在我们的案例中，我们将问题表示为二维栅格，其中从栅格的一个像元移动到另一个像元的成本由进入该新像元的成本确定，该成本由与该像元交互的总价值对象定义新单元格。 我们将此概念模型转换为有向图 。 因为我们不是在寻找“最短路径”，而是寻找许多替代解决方案，所以我们将搜索一分为二-从两个点（要设计的线的起点和终点）中的每一个点找到最短的路径到“可行区域”中的所有其他点。 以此为基础，我们可以显示出可以发展传输通道的区域，而这些区域所需的交互作用将少于特定水平。 在我们选择用于方法论概念验证的一个区域中，这些成本相似的领域看起来像：

可能需要少于一定水平的交互作用才能开发传输走廊的区域。 通过OpenStreetMap

“较难穿过”的区域显示为深红棕色。 那些“更容易遍历”的是淡橙色粉红色的； 那些“最容易穿过的”是非常浅的黄白色。

通过这种“穿越表面的成本”，我们确定了最初的宽阔走廊，可以在其中进行更详细的研究，以支持确定最终而精确的走廊。 下图中的走廊以淡绿色显示：

浅绿色表示最初的宽阔走廊，可以在其中进行更详细的研究，以支持确定最终而精确的走廊。 通过OpenStreetMap

请注意，这条宽阔的走廊包含了少量的难以遍历和易于遍历的区域，因为图像最容易遍历的部分的西方范围是如此狭窄。

再次，开源得以拯救，在这种情况下，它是Dijkstra算法的一种变体，称为“ K-最短路径”， 由亚利桑那州立大学的Yan Qi用Java实现 。 我之所以选择此Java版本，部分原因是Java与Groovy之间具有出色的互操作性，我再次将其用于所有数据管理工作。

结论性意见

还有其他解决这些问题的方法吗？ 放心。

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。 但是对我而言，最后，最棒的事情是能够依靠他人的工作，并以回报我们的工作来解决这些问题。 而且，我敢说，为拯救地球做了一点努力。

翻译自: https://opensource.com/article/19/4/hydroelectricity-geospatial-tools

智利可以使用支付宝嘛？