Name: 空间使用SWAT模型的农业保护的做法和多目标优化的进化算法 (视频) | JoVE Journal
Uploaded: 2012-12-09T17:00:00.000+00:00
Duration: 11 min 53 s
Description: 探索利用SWAT流域过程模型与进化算法进行多目标优化的方法，优化农业保护性措施的空间配置，以最低成本实现水质目标，量化环境效益与成本之间的权衡关系。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究部分资金来自美国环境保护局流域重点资助项目（项目编号：WS97704801）、美国国家科学基金会自然与人类系统耦合动态项目（项目编号：DEB1010259-CARD-KLIN）以及美国农业部国家食品与农业研究所协调农业项目（项目编号：20116800230190-CARD）的支持。

1. 准备流域模型并提供优化所需的输入数据
<ol>
	<li>创建一个 i_SWAT 数据库。
	<ol>
		<li>使用名为“rotator”的程序，从多个输入数据库（包括土壤、气象、管理措施和肥料数据）构建该数据库。</li>
		<li>或者，可以使用 i_SWAT.exe 导入一个已有的 SWAT 运行结果（可能由 ArcSWAT 或 AVSWAT 创建）。在此情况下，可使用程序“swat_rewrite”根据田块级数据替换管理措施或其他 HRU 信息。</li>
		<li>应在该阶段对 SWAT 模型进行率定与验证。本研究中所采用的 Raccoon 河流流域 EA 建模框架内嵌的 SWAT 模型（版本 2005）最初是为一项最大日负荷总量（TMDL）研究而进行率定与验证的，相关方法详见 Jha 等（2010）。后续进一步的 SWAT 模型率定与验证工作由 Agren, Inc.（2011）完成，以支持 Raccoon 河流流域总体规划的制定，本研究即采用该版本的 SWAT 模型。</li>
		<li>使用一个修改版本的 SWAT2005.exe，即 SWAT2005GA.exe。</li>
	</ol>
	</li>
	<li>准备文件“watershed presets.csv”——这是一个文本文件，用于存储与 Raccoon 流域相关的许多特定设置。该文件将被下方的 GeneticiSWAT 和 MapSWAT 读取，以便通过单击操作设置流域的多个控制参数和数据字段。</li>
	<li>准备各项保护措施要素的成本数据。本示例中，这些数据存储在数据库“Practice costs by subbasin Josh.mdb”的表 [Practice Costs - Raccoon by County] 中。</li>
</ol>
候选方案的总成本是应用于流域单元（“水文响应单元”，或HRU）的保护措施成本之和。优化程序考虑在流域内每个农田HRU中，从特定的保护措施集合中选择一种保护措施进行最优分配。分配给HRU的可能保护措施集合称为等位集合。
<ol start="4">
	<li>创建 SWAT 文件夹。本次运行使用了 16 个 CPU，表示在 16 个独立的文件夹中分别运行 16 份 SWAT2005GA.exe（对于 CPU 数量较少的系统同理） 例如 应为“四核”处理器创建4个文件夹）。</li>
</ol>
2. 选择优化参数
<ol>
	<li>优化由名为“GeneticISWAT”的程序控制。要执行优化，请打开 GeneticISWAT.exe。
	<ol>
		<li>进入“文件”，然后选择“打开”，并选中 i_SWAT 数据库“Raccoon GA.mdb”。</li>
		<li>进入“文件”，然后选择“配置”，以指定 SWAT 模型可执行文件的路径（SWAT2005GA.exe）。</li>
		<li>进入“执行”，然后选择“选择等位基因集”。此步骤确定优化中所使用的保护措施组合。本次运行使用了第14号等位基因集，其中包含23种保护措施组合。可用的等位基因集存储在配置文件“Alleles.csv”中。</li>
		<li>进入“执行”，然后选择“SPEA2 Archive Baseline Aware Subset”，以使用 SPEA2 进化算法进行多目标优化。</li>
	</ol>
	</li>
</ol>
<img alt="显示流域分析和遗传算法设置参数的 SWAT 模拟设置界面。" src="/files/ftp_upload/4009/4009fig1.jpg" data-altupdatedat="1787630408000" data-alt="图 1"> 
图 1. 设置优化目标和参数。
需选择的优化参数：
预设： 选择要优化的流域。点击“应用”将从预设文件“watershed presets.csv”中选择条目，以填充此屏幕上的控制值。
输出变量： 选择用于优化的环境目标。如选定（出水口氮、出水口磷），则定义了一个三维目标函数：在出口处5年平均的氮（有机氮 + NO₃ + NH₄ + NO₂）、在出口处5年平均的磷（有机磷 + 矿物磷），以及保护措施的总成本。请注意，这将生成一个三维权衡前沿。也可选择其他输出变量，此时多目标优化问题为最小化（{输出变量}，总成本）。
种群规模： 设置初始种群规模，该参数决定初始候选解的数量。当选择“使用每个等位基因进行初始化”选项时，系统首先生成代表将等位基因集中指定的每种保护措施均匀应用于流域内所有农田水文响应单元（HRU）的候选解。其余候选解则通过从等位基因集中随机分配保护措施至农田水文响应单元而生成。选择“使用每个等位基因进行初始化”选项时，需确保初始种群规模至少等于等位基因集中等位基因的数量（本示例中为23个）。
代数：为优化运行设置所需的代数（迭代次数）（注意：运行可重新启动）。
交叉概率：当选择两个候选解以生成新的候选解时，交叉概率指定了生成不同新解的概率（本演示中设为 1）。
临时种群大小：此值决定了生成的新候选解的数量。当该数值为处理器线程数的整数倍时（本示例中为16），处理器资源的利用效率最高。
突变概率：指定将水文响应单元（HRU）随机更改为等位基因集合中另一项保护措施的概率。（本演示中该值设为 0.03）。
线程数：选择使用的处理器或线程数量。本演示中使用 16 个线程。
曲线编号 校准因子：由 SWAT 模型校准提供。
将种群保存至文本文件：如果希望在完成指定迭代次数后重新启动优化运行，则必须选择此选项。勾选此选项后，将生成一个文本文件，其中包含每个存活候选解（个体）中每个HRU的等位基因值。该文件可被重新读取，以重启并继续运行。
二次优化参数
第一年：必须设置为历史天气信息开始年份之后的某一年，且不晚于本数据截止日期前7年。
玉米价格：结合产量损失方程，用于估算减施肥料所导致的成本。
评分方法：SPEA2 归档。评分用于确定存活个体被选中进行交叉的概率。
清除方法：被支配法。在全部3个维度上均较差的个体将被视为被支配并予以清除。
集水区代码来源：设置为“指定位置”，表示使用以下字段“流域集水区代码（Watershed HUC）”中的值“7100006”来在集水区代码区域表中查找对应行。该值“07100006”是浣熊河流域（Raccoon watershed）的八位集水区代码。
成本来源：设置为“县（HRU 位置代码）”以表明除 CRP 以外的成本将由上述实践成本表中的县 FIPS 代码确定。
成本来源 CRP：设置为“1 个地点”，表示 CRP 成本将由上述实践成本表中的县 FIPS 代码确定。
SWAT 版本：SWAT2005
3. 典型结果
GeneticiSWAT.exe 会生成一个日志文件，显示所有候选解（个体）的设置和结果，以及一个“保存”文件，该文件编码了最终算法迭代的结果，可用于重新启动优化运行。
此时，可以通过执行以下步骤来可视化所有帕累托有效解的集合（权衡前沿）：
<ol>
	<li>运行 GeneticiSWAT；
	<ol>
		<li>进入“文件”，然后选择“打开”，以打开 i_SWAT 数据库“Raccoon GA.mdb”。</li>
		<li>进入“执行”，然后选择“导出 HRU 列表”。将文件保存为“Raccoon Allele HRU.txt”。</li>
	</ol>
	</li>
	<li>运行 Mapswat.exe，选择“执行”，然后选择“3d 动画”，生成动画。</li>
</ol>
<img alt="Run Data 3D 软件界面；带有日志文件和三维分水岭分析参数的模拟设置。" src="/files/ftp_upload/4009/4009fig2.jpg" data-altupdatedat="1787630408000" data-alt="Figure 2"> 
图 2. 创建三维前沿可视化“快照”的截图。
输出为一系列文件，可通过使用 POV-RAY 程序并选择“渲染”，然后选择“文件队列”，一次性将这些文件渲染为图像文件。这些图像可单独使用，也可合并生成展示算法运行过程的视频。
<img alt="展示多代进化过程的三维遗传漂变模拟图。" src="/files/ftp_upload/4009/4009fig3.jpg" data-altupdatedat="1787630408000" data-alt="Figure 3"> 
图 3. 权衡前沿的静态可视化。
如有需要，可通过运行“Framescanner.exe”并按照以下步骤操作，生成展示算法运行过程的视频：
<ol>
	<li>依次点击“文件”，然后“新建”，然后“文件”，然后“导入”，再选择“PNG 文件”。选中静态图像。</li>
	<li>要创建视频，请依次点击“文件”，然后“导出”，再选择“AVI”。</li>
	<li>选择“DIB”编码器，以从批量图像文件生成 AVI 文件。</li>
</ol>
前沿中的每个点代表一种流域配置（即在景观上分配特定保护措施的方案）。通过执行以下步骤，可以查看整个前沿的这些配置地图：
<ol>
	<li>运行 Mapswat.exe，选择“执行”，然后选择“地图动画”。</li>
	<li>从预设列表中选择“Raccoon”，然后点击“应用”。</li>
	<li>从地图布局列表中选择“Layout 7 (Raccoon)”，然后点击“确定”。</li>
</ol>
<img alt="水文模型界面，SWAT 设置，参数，流域数据，污染物输入，子流域。" src="/files/ftp_upload/4009/4009fig4.jpg" data-altupdatedat="1787630408000" data-alt="Figure 4"> 
图 4. 创建最终边界内每个个体地图的截图。
导出感兴趣的特定流域配置（个体）。
通常，一个感兴趣的问题是选择能够实现特定水质目标的特定流域配置（个体）。例如，可能希望找到前沿中相对于基准负荷氮减少30%、磷减少20%的个体。MapSWAT允许用户在前沿中搜索距离指定目标欧几里得距离最小的个体。可通过以下步骤实现：
<ol>
	<li>打开 MapSWAT.exe。选择“执行” | “搜索”。</li>
</ol>
<img alt="用于管理日志文件和设置数据分析中优化参数的软件界面。" src="/files/ftp_upload/4009/4009fig5.jpg" data-altupdatedat="1787630408000" data-alt="图 5"> 
图 5. 基于水质目标在前沿区域中搜索特定个体的截图。
<ol start="2">
	<li>输入最小和最大削减目标 Tmin 与 Tmax，以及一个区间 Tint。同时，在“氮基线”旁边的“%削减”栏中输入相对于基线的特定氮削减百分比（Nspec），在“磷基线”旁边的“%削减”栏中输入特定磷削减百分比（Pspec）。程序将在弹出窗口中生成输出结果：</li>
</ol>
<img alt="静力平衡方程、数据表结果；对研究至关重要的计算与数值分析。" src="/files/ftp_upload/4009/4009fig6.jpg" data-altupdatedat="1787630408000" data-alt="图 6"> 
图 6. 搜索结果截图
<ol start="3">
	<li>点击“复制文本”并粘贴到电子表格中。将生成三个表格。第一个表格包含在相同百分比减排水平下最接近氮（N）和磷（P）目标的个体，其减排范围从 Tmin 到 Tmax，步长为 Tint。在此表格下方，显示最接近指定目标（Nspec, Pspec）的单一个体。第二个表格列出当磷（P）目标从 Tmin 变化到 Tmax 而氮（N）保持在接近 Nspec 的恒定水平时，最接近目标的个体。第三个表格列出当氮（N）目标从 Tmin 变化到 Tmax 而磷（P）保持在接近 Pspec 的恒定水平时，最接近目标的个体。在此案例中，最接近氮减排30%目标的个体编号为8423，其氮值为14,637,279.60。以下是展示保护措施空间分布以及该流域配置在权衡前沿面上位置的地图：</li>
</ol>
<img alt="成本和磷减排图表及地理地图；农业影响分析。" src="/files/ftp_upload/4009/4009fig7.jpg" data-altupdatedat="1787630408000" data-alt="图 7"> 
图 7. 前沿区域中选定个体样本地图的截图。<a href="https://www.jove.com/files/ftp_upload/4009/4009fig7large.jpg" target="_blank"> 点击此处查看大图</a>。
通过执行以下步骤，可导出地图数据以进行进一步分析：
<ol>
	<li>运行 Mapswat.exe，选择“执行”，然后选择“导出地图数据”。</li>
	<li>从预设列表中选择“Raccoon”，然后点击“应用”。</li>
	<li>输入一个流域配置（个体）的 ID（示例为 8423），勾选“显示等位基因属性”和“显示成本”，然后点击“确定”。这些数据可用于通过 GIS 程序创建所选流域配置的自定义地图。</li>
</ol>
<table border="1">
	<tbody>
		<tr>
			<td>程序名称</td>
			<td>来源</td>
			<td>描述</td>
		</tr>
		<tr>
			<td>Rotator</td>
			<td>CARD</td>
			<td>为流域创建并填充包含土壤、气象和管理数据的 i_SWAT 数据库。</td>
		</tr>
		<tr>
			<td>Swat2005GA.exe</td>
			<td>USDA 草地、土壤与水资源研究实验室</td>
			<td>流域模拟模型</td>
		</tr>
		<tr>
			<td>i_SWAT.exe</td>
			<td>CARD</td>
			<td>SWAT 数据库接口</td>
		</tr>
		<tr>
			<td>GeneticISWAT.exe</td>
			<td>CARD</td>
			<td>进化算法 SWAT 控制器。整合了来自 <a href="http://lancet.mit.edu/ga/" target="_blank">http://lancet.mit.edu/ga/</a> 的 GALib。</td>
		</tr>
		<tr>
			<td>MapSWAT.exe</td>
			<td>CARD</td>
			<td>读取 i_SWAT 数据库和 shapefile 文件，生成各代及个体的图像。</td>
		</tr>
		<tr>
			<td>POV-Ray</td>
			<td>Povray.org</td>
			<td>视觉持久性光线追踪器。</td>
		</tr>
		<tr>
			<td>Framescanner.exe</td>
			<td>Todd Campbell</td>
			<td>PNG 图像转 AVI 格式转换工具</td>
		</tr>
		<tr>
			<td>Windows Live Movie Maker</td>
			<td>Microsoft</td>
			<td>用于将 AVI 压缩为 WMV 格式</td>
		</tr>
	</tbody>
</table>
表1. 所需程序列表。
<table border="1">
	<tbody>
		<tr>
			<td>文件名称</td>
			<td>类型</td>
			<td>描述</td>
		</tr>
		<tr>
			<td>Raccoon GA.mdb</td>
			<td>Access 数据库</td>
			<td>Raccoon 流域的结构与管理描述文件，由 GeneticiSWAT 和 MapSWAT 读取。</td>
		</tr>
		<tr>
			<td>watershed presets.csv</td>
			<td>文本</td>
			<td>GeneticiSWAT.exe 和 MapSWAT 的预设配置文件。</td>
		</tr>
		<tr>
			<td>Alleles.csv</td>
			<td>文本</td>
			<td>进化算法所用等位基因集合的列表。</td>
		</tr>
		<tr>
			<td>Raccoon Allele HRU.txt</td>
			<td>文本</td>
			<td>由 GeneticISWAT 生成的文件，列出被判定为耕地的等位基因，供 MapSWAT 读取。</td>
		</tr>
		<tr>
			<td>Practice costs by subbasin Josh.mdb</td>
			<td>Access 数据库</td>
			<td>按管理措施和县划分的成本数据。</td>
		</tr>
		<tr>
			<td>Terrace Zones.mdb</td>
			<td>Access 数据库</td>
			<td>表 [HUC Data] 包含该流域的梯田和产量分区编号。</td>
		</tr>
		<tr>
			<td>NRI Budgets.mdb</td>
			<td>Access 数据库</td>
			<td>GeneticISWAT.exe 读取的作物与机械表格，但本次运行中未使用。</td>
		</tr>
		<tr>
			<td>phucrp 2008-12-15.dat</td>
			<td>文本</td>
			<td>植物热量单位查询表，本次运行中未使用。</td>
		</tr>
		<tr>
			<td>Management.mdb</td>
			<td>Access 数据库</td>
			<td>轮作查询表，本次运行中未使用。</td>
		</tr>
		<tr>
			<td>Raccoon GA 2011-09-28 1313.log, Raccoon GA 2011-09-29 0732.log, Raccoon GA 2011-10-07 0644.log</td>
			<td>文本</td>
			<td>GeneticISWAT 运行的日志文件。</td>
		</tr>
		<tr>
			<td><a href="https://www.jove.com/files/ftp_upload/4009/Raccoon_GA.wmv">Raccoon GA.wmv</a></td>
			<td>动画</td>
			<td>按世代展示个体的三维显示。</td>
		</tr>
		<tr>
			<td><a href="https://www.jove.com/4009/Subbasin.shp" target="_blank">Subbasin.shp</a></td>
			<td>ESRI Shapefile</td>
			<td>流域内子流域的边界轮廓。</td>
		</tr>
		<tr>
			<td><a href="https://www.jove.com/files/ftp_upload/4009/Raccoon_Map.wmv" target="_blank">Raccoon Map.wmv</a></td>
			<td>动画</td>
			<td>展示前沿中每个个体在各子流域的优势等位基因分布。</td>
		</tr>
	</tbody>
</table>
表2. 所需样本文件列表。

<ol><li>American Society of Agricultural and Biological Engineers. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design%2C+layout%2C+construction%2C+and+maintenance+of+terrace+systems%5BTitle%5D)+AND+%22ASAE+Standard%22%5BJournal%5D)">Design, layout, construction, and maintenance of terrace systems.</a> ASAE Standard. , S268(2003).</li>
<li><a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22Raccoon+River+Watershed+water+quality+master+plan%22">Raccoon River Watershed water quality master plan</a>. , Agren, Inc. Carroll, IA. (2011).</li>
<li>Arabi, M., Govindaraju, R. S., Hantush, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cost-effective+allocation+of+watershed+management+practices+using+a+genetic+algorithm%5BTitle%5D)+AND+%22Water+Resour.+Res%22%5BJournal%5D)">Cost-effective allocation of watershed management practices using a genetic algorithm.</a> Water Resour. Res. 42, W10429(2006).</li>
<li>Bekele, E. G., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multiobjective+management+of+ecosystem+services+by+integrative+watershed+modeling+and+evolutionary+algorithms%5BTitle%5D)+AND+%22Water+Resour.+Res%22%5BJournal%5D)">Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms.</a> Water Resour. Res. 41, W10406(2005).</li>
<li>Carpentier, C. L., Bosch, D. J., Batie, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+spatial+information+to+reduce+costs+of+controlling+agricultural+nonpoint+source+pollution%5BTitle%5D)+AND+%22Am.+J.+Agr.+Econ%22%5BJournal%5D)">Using spatial information to reduce costs of controlling agricultural nonpoint source pollution.</a> Am. J. Agr. Econ. 61, 404-413 (1998).</li>
<li>CARD: Resource and Environmental Policy Interactive Software Programs [Internet]. , Center for Agricultural and Rural Development, Iowa State University. Ames, IA. Available from: 
 <a target="_blank" href="http://www.card.iastate.edu/environment/interactive_programs.aspx">http://www.card.iastate.edu/environment/interactive_programs.aspx</a> (2007).</li>
<li>Gassman, P. W., Reyes, M., Green, C. H., Arnold, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Soil+and+Water+Assessment+Tool%3A+Historical+development%2C+applications%2C+and+future+directions%5BTitle%5D)+AND+%22Trans.+ASABE%22%5BJournal%5D)">The Soil and Water Assessment Tool: Historical development, applications, and future directions.</a> Trans. ASABE. 50 (4), 1211-1250 (2007).</li>
<li>The i_SWAT software package: a tool for supporting SWAT watershed applications. Gassman, P. W., Campbell, T., Secchi, S., Jha, M., Arnold, J. G. SWAT2003: The 2nd International SWAT Conference, 1-4 July, Bari, Italy, , Instituto di Ricerca sulle Acque, IRSACNR. Bari, Italy. 66-69 Forthcoming.</li>
<li>Gitau, M. W., Veith, T. L., Gburek, W. J., Jarrett, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Watershed+level+best+management+practice+selection+and+placement+in+the+Town+Brook+watershed%2C+New+York%5BTitle%5D)+AND+%22J.+Am.+Water+Resour.+Assoc%22%5BJournal%5D)">Watershed level best management practice selection and placement in the Town Brook watershed, New York.</a> J. Am. Water Resour. Assoc. 42, 1565-1581 (2006).</li>
<li>Jha, M., Rabotyagov, S., Gassman, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimal+placement+of+conservation+practices+using+genetic+algorithms+with+SWAT%5BTitle%5D)+AND+%22Int.+Agr.+Eng.+J%22%5BJournal%5D)">Optimal placement of conservation practices using genetic algorithms with SWAT.</a> Int. Agr. Eng. J. 18 (1-2), 41-50 (2009).</li>
<li>Jha, M. K., Wolter, C. F., Schilling, K. E., Gassman, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+total+maximum+daily+load+implementation+strategies+for+nitrate+impairment+of+the+Raccoon+River%2C+Iowa%5BTitle%5D)+AND+%22J.+Envir.+Qual%22%5BJournal%5D)">Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa.</a> J. Envir. Qual. 39, 1317-1327 (2010).</li>
<li>Kanna, M., Yang, W., Farnsworth, R., Onal, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cost+effective+targeting+of+CREP+to+improve+water+quality+with+endogenous+sediment+deposition+coefficients%5BTitle%5D)+AND+%22Am.+J.+Agr.+Econ%22%5BJournal%5D)">Cost effective targeting of CREP to improve water quality with endogenous sediment deposition coefficients.</a> Am. J. Agr. Econ. 85, 538-553 (2003).</li>
<li>Kramer, R. A., McSweeny, W. T., Kerns, W. R., Stravros, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+evaluation+of+alternative+policies+for+controlling+agricultural+nonpoint+source+pollution%5BTitle%5D)+AND+%22Water+Resour.+Bull%22%5BJournal%5D)">An evaluation of alternative policies for controlling agricultural nonpoint source pollution.</a> Water Resour. Bull. 20, 841-8446 (1984).</li>
<li>Lant, C. L., Kraft, S. E., Beaulieu, J., Bennett, D., Loftus, T., Nicklow, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+GIS-based+ecological-economic+modeling+to+evaluate+policies+affecting+agricultural+watersheds%5BTitle%5D)+AND+%22Ecol.+Econ%22%5BJournal%5D)">Using GIS-based ecological-economic modeling to evaluate policies affecting agricultural watersheds.</a> Ecol. Econ. 55, 467-484 (2005).</li>
<li>Muleta, M. K., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evolutionary+algorithms+for+multiobjective+evaluation+of+watershed+management+decisions%5BTitle%5D)+AND+%22J.+Hydroinform%22%5BJournal%5D)">Evolutionary algorithms for multiobjective evaluation of watershed management decisions.</a> J. Hydroinform. 4 (2), 83-97 (2002).</li>
<li>Muleta, M. K., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decision+support+for+watershed+management+using+evolutionary+algorithms%5BTitle%5D)+AND+%22J.+Water+Resour.+Plan.+Manag%22%5BJournal%5D)">Decision support for watershed management using evolutionary algorithms.</a> J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).</li>
<li>Rabotyagov, S. S., Campbell, T., Jha, M., Gassman, P. W., Arnold, J., Kurkalova, L., Secchi, S., Feng, H., Kling, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Least+Cost+Control+of+Agricultural+Nutrient+Contributions+to+the+Gulf+of+Mexico+Hypoxic+Zone%5BTitle%5D)+AND+%22Ecol.+Appl%22%5BJournal%5D)">Least Cost Control of Agricultural Nutrient Contributions to the Gulf of Mexico Hypoxic Zone.</a> Ecol. Appl. 20, 1542-1555 (2010).</li>
<li>Rabotyagov, S., Jha, M., Campbell, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+crop+rotations+on+optimal+selection+of+conservation+practices+for+water+quality+protection%5BTitle%5D)+AND+%22J.+Soil.+Water+Conserv%22%5BJournal%5D)">Impact of crop rotations on optimal selection of conservation practices for water quality protection.</a> J. Soil. Water Conserv. 65 (6), 369-380 (2010).</li>
<li>Rabotyagov, S. S., Jha, M., Campbell, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Nonpoint-source+pollution+for+an+Iowa+watershed%3A+An+application+of+evolutionary+algorithms%5BTitle%5D)+AND+%22Canadian+Journal+of+Agricultural+Economics%2FRevue+canadienne+d%27agroeconomie%22%5BJournal%5D)">Nonpoint-source pollution for an Iowa watershed: An application of evolutionary algorithms.</a> Canadian Journal of Agricultural Economics/Revue canadienne d'agroeconomie. , (2010).</li>
<li>Rabotyagov, S. S., Jha, M., Campbell, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Searching+for+Efficiency%3A+Least+Cost+Nonpoint+Source+Pollution+Control+with+Multiple+Pollutants%2C+Practices%2C+and+Targets%5BTitle%5D)+AND+%22J.+Nat.+and+Environ.+Sci%22%5BJournal%5D)">Searching for Efficiency: Least Cost Nonpoint Source Pollution Control with Multiple Pollutants, Practices, and Targets.</a> J. Nat. and Environ. Sci. 1, 75-90 (2010).</li>
<li>Ribaudo, M. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Consideration+of+off-site+impacts+in+targeting+soil+conservation+programs%5BTitle%5D)+AND+%22Land+Econ%22%5BJournal%5D)">Consideration of off-site impacts in targeting soil conservation programs.</a> Land Econ. 62, 402-411 (1986).</li>
<li>Ribaudo, M. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Targeting+the+conservation+reserve+program+to+maximize+water+quality+benefits%5BTitle%5D)+AND+%22Land+Econ%22%5BJournal%5D)">Targeting the conservation reserve program to maximize water quality benefits.</a> Land Econ. 65, 320-332 (1989).</li>
<li>Srivastava, P., Hamlett, J. M., Robillard, P. D., Day, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Watershed+optimization+of+best+management+practices+using+AnnAGNPS+and+a+genetic+algorithm%5BTitle%5D)+AND+%22Water+Resour.+Res%22%5BJournal%5D)">Watershed optimization of best management practices using AnnAGNPS and a genetic algorithm.</a> Water Resour. Res. 38 (3), 1-14 (2002).</li>
<li>Veith, T. L., Wolfe, M. L., Heatwole, C. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+optimization+procedure+for+cost-effective+BMP+placement%5BTitle%5D)+AND+%22J.+Am.+Water+Resour.+Assoc%22%5BJournal%5D)">Development of optimization procedure for cost-effective BMP placement.</a> J. Am. Water Resour. Assoc. 39 (6), 1331-1343 (2003).</li>
<li>GAlib: Matthew's Genetic Algorithms Library [Internet]. , Available from: 
 <a target="_blank" href="http://lancet.mit.edu/ga/">http://lancet.mit.edu/ga/</a> (1996).</li>
<li>Whittaker, G., Confesor, R., Griffith, S. M., Färe, R., Grosskopf, S., Steiner, J. J., Mueller-Warrant, G. W., Banowetz, G. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Hybrid+Genetic+Algorithm+for+Multiobjective+Problems+with+Activity+Analysis-based+Local+Search%5BTitle%5D)+AND+%22Eur.+J.+Operat.+Res%22%5BJournal%5D)">A Hybrid Genetic Algorithm for Multiobjective Problems with Activity Analysis-based Local Search.</a> Eur. J. Operat. Res. , (2007).</li>
<li>Zitzler, E., Laumanns, M., Thiele, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SPEA2%3A+Improving+the+Strength+Pareto+Evolutionary+Algorithm+for+Multiobjective+Optimization%5BTitle%5D)+AND+%22CIMNE%22%5BJournal%5D)">SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization.</a> CIMNE. , 95-100 (2002).</li>
</ol>

未声明任何利益冲突。

我们构建了一个集成的模拟-优化框架，用于搜索流域配置的帕累托有效集，该配置涉及实现不同流域尺度营养物减排目标下成本最低的农业保护措施组合及其选址方案。图8展示了该模拟-优化系统的概念示意图。流域模拟（包括农业保护措施对水质影响的模拟）由水文模型 SWAT2005 完成，并与基于 Windows 的数据库控制系统 i_SWAT6,8 耦合。优化模块作用于 SWAT 模型的水文响应单元（HRUs），采用进化算法26的逻辑，寻找在最小化营养物负荷（氮、磷或两者同时）的同时也最小化保护措施成本的措施分配方案。当算法迭代终止后，保留下来的个体集合即代表近似的权衡前沿。由于同时考虑两种营养物（硝态氮和总磷），我们得到一个三维的权衡前沿。权衡前沿上的每一个个体点都对应一套特定的保护措施配置方案，适用于流域内每个决策单元（耕地型 HRU）。为了确定选择了哪些保护措施，我们需要设定营养物减排目标，然后在权衡前沿中搜索满足该营养物减排标准的个体配置方案。所选保护措施的位置和组合可回映至流域内田块尺度的空间决策单元（若创建 HRU 时具备相应数据）。我们的方法通过明确保护措施的具体...

利用swat模型和进化算法对农业保护措施进行空间多目标优化

Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm

寻找成本效益高的（即，以最低成本实现全流域特定水质目标的保护措施投资方案，在流域管理中至关重要。在流域背景下，采用传统经济学方法寻找最低成本解决方案（例如,5,12,20）假设异地影响可以准确地表示为现场污染产生量的一个比例。这类方法不太可能真实反映流域内实际的污染过程，因为在流域中，污染源的影响通常由复杂的生物物理过程所决定。采用现代基于物理机制、空间分布的水文模拟模型，能够在过程表征方面提供更高的真实性，但需要构建一个模拟-优化耦合框架，使模型成为优化过程的有机组成部分。
进化算法似乎是一种特别有用的优化工具，能够应对流域模拟-优化问题的组合特性，并允许使用完整的水质模型。进化算法将流域中特定空间分布的保护措施配置视为候选解，并利用一组（种群）候选解，迭代地应用选择、重组和变异等随机算子，以在优化目标方面寻找改进方案。本案例中的优化目标是，在最小化流域非点源污染的同时，最小化保护措施的成本。近年来，越来越多的研究尝试采用类似方法，将水质模型与广义定义的进化优化方法相结合3,4,9,10,13-15,17-19,22,23,25。在本应用中，我们展示了一个遵循Rabotyagov等人方法的程序，该程序将现代且广泛使用的SWAT水质模型7与多目标进化算法SPEA226相结合，并整合用户指定的一组保护措施及其成本，用于搜索保护措施成本与用户指定水质目标之间的完整权衡前沿。这些前沿通过呈现与各种水质改善目标相关联的全部成本范围，量化了流域管理者所面临的权衡关系。该程序支持选择能够实现特定水质改善目标的流域配置，并生成保护措施优化布局的地图。

本研究展示了一种将水质模型与基于进化算法的优化组件相结合的方法，用于求解在特定水质改善目标下农业保护措施的最优（最低成本）布局方案。该方法采用多目标优化途径生成解决方案，能够明确量化各项权衡关系。

利用SWAT模型和进化算法对农业保护措施进行空间多目标优化

以最低成本实现特定水质目标的保护措施投资优化方法

以下实验的总体目标是展示一种利用模拟优化系统对流域内农业保护措施进行多目标优化的方法，该系统结合了流域过程模型和进化算法。核心问题是：如何在流域内分配农业保护措施，以最低的成本实现水质目标。每块田地可采用多种保护性措施，且可能存在多个重要的水质目标。特定保护性措施的配置可通过流域过程模型进行模拟。为实现优化目标，首先应选择经过校准和验证的流域过程模型，以及这些保护性措施的模型表征。第二步，选择需要最大化实现的环境目标，并获取各项保护措施的成本数据，从而启动进化算法模块，以同时对环境目标和成本目标进行优化。接下来，设定控制优化过程的参数，以开展多目标优化。模拟与优化这两个模块被整合为一个称为遗传算法的模拟优化系统，通过该系统可获得SWAT模型的优化结果，这些结果展示了在不同保护措施布局方案下流域配置的最优集合，量化了环境目标与保护投入成本之间的权衡关系，并可根据特定的环境目标或成本要求，选择相应的保护措施空间配置方案。与现有的简单保护措施情景评估方法，或基于简化措施表征来优化选择保护措施的方法相比，该技术的主要优势在于，它以一种灵活且直观易懂的方式，将基于物理过程的流域模型整合到优化决策中。该方法有助于回答流域管理与环境经济学领域的关键问题，例如：应将公共投资重点投向哪些区域的保护措施，或如何构建基于市场的政策机制，如保护措施的反向拍卖或水质交易计划。在非点源污染背景下，优化参数的选择是在流域模型构建完成并提供优化所需输入数据后进行的，优化过程由一个名为 Genetic Iwo 的程序控制。开始此操作时，打开 genetic iwo.exe，进入文件菜单，然后选择打开并选中 I SWAT 数据库 raccoon GA.mdb；接着进入文件菜单中的配置，为 swap 模型可执行文件分配路径；进入执行菜单，然后选择等位基因集。此步骤用于确定优化过程中所采用的保护措施组合。本次运行将使用等位基因集编号14，该集合包含23种保护措施组合可供执行。随后选择SP A2存档基线感知子集，以使用SP A2进化算法进行多目标优化。首先，在预设项中，选择待优化的流域——浣熊流域（raccoon），点击应用，系统将从预设文件“watershed_presets.csv”中选择条目，以填充本界面中的控制参数值。接下来，在输出变量下选择用于优化的环境目标。所选的氮出口、磷出口定义了一个三维目标函数，即出口处五年平均氮含量、出口处五年平均磷含量以及保护措施的总成本。这将生成一个三维权衡前沿，将初始种群规模设定为60。该参数决定了在选择每个等位基因选项作为种子时，初始候选解的数量。所生成的候选解表示将等位基因集中指定的每种保护措施均匀应用于流域内所有农田水文响应单元。首先，通过从等位基因集合中随机分配保护措施给耕地HR，生成剩余的候选解。在为每个等位基因选项选择种子时，需确保初始种群规模（本示例中为60）至少不小于等位基因集合中的等位基因数量（本例中为23）。在本示例中，将优化运行所需的代数或迭代次数设定为125。当选择两个候选解以生成新的候选解时，交叉概率表示生成不同新解的概率。本演示中，交叉概率设为1。临时种群的大小决定了新生成候选解的数量。当该值为处理器线程数的整数倍时，处理器资源利用效率最高，因此本演示中选择16作为该值。突变概率是指将水文响应单元（HRU）随机更改为另一种保护措施分配方式的概率。根据等位基因集，该概率设定为0.003。在本示例中，选择所使用的线程数或处理器数量，即16。在此演示中，曲线编号校准因子由 SWAP 模型校准提供，其值为一。最后，选择“将种群保存到文本文件”。勾选此选项将生成一个文本文件，其中包含每个存活候选解中每个 HRU 的等位基因值。在完成指定迭代次数后重新启动优化运行时，这一点非常重要。运行结束后，可通过执行以下步骤来可视化整个帕累托有效解集或权衡前沿。运行遗传算法。我启动 SWAT，依次点击“文件”(File) 和“打开”(Open)，以打开 IWA 数据库 raccoon_GA.dot mdb。然后进入“文件导出”(File Export)，导出 HRU 列表，将文件另存为 raccoon_allele_HRU.dot TXT。运行 MapSwat.dot xe，选择“执行”(Execute)，随后生成三维动画，展示三维权衡前沿面：以红色坐标轴表示出口处氮素水平（N），蓝色坐标轴表示出口处磷素水平（P），第三轴表示各子流域中保护措施的总成本。该分析涵盖所有子流域。在绿色轴线上，输出为一系列文件，可一次性渲染为图像文件。通过使用 POV 光线追踪程序，还可利用帧扫描器 xe 运行将这些图像合成为展示算法演进过程的视频。前沿中的每个点代表一种分水岭构型。这是指在景观尺度上对保护措施进行的具体配置。通过执行以下步骤，可以查看整个前沿区域的多种此类配置：运行、制图、SWAT、XE、选择执行，然后生成地图动画。左侧的方框显示了前沿的二维投影，虚线表示所选特定解的位置。MAP 显示了占主导地位的算法所规定的保护性实践。图例在每个图中标识出所选的保护性实践。通常，人们关注的问题是选择一个特定的流域配置或个体，以实现一组指定的水质目标。例如，某个体相对于基准负荷，将氮和磷的排放量均减少30%的目标地图。SWAT 允许我们搜索前沿中与指定目标具有最小欧几里得距离的个体。要选择实现特定水质目标的流域配置或个体，请打开 mapswat.exe，然后选择“执行”和“搜索”。输入最小目标值为零。本示例中，最大目标值为100，目标间隔为10。在“结束基线30”旁边的“百分比减少”栏中，输入相对于基线氮减少的特定百分比数值。在此示例中，将磷的削减百分比输入到磷基线旁边的“削减百分比”字段中，本例中同样为30。在此示例中，地图SWAT程序将在弹出窗口中生成输出结果，点击“复制”，选择文本，然后粘贴到电子表格中。生成三个表格。第一个表格列出与 N 和 P 目标最接近的个体，这些目标对应的百分比减少值从 T 到 tmax，以 t int 为间隔。紧邻其下，第二个表格列出最接近目标 N spec 和 P spec 的单一个体，其中 P 目标范围从 team in 到 Tmax，而 N 在接近 end spec 处保持恒定。第三个表格给出最接近 end 目标的个体，P 在接近 P spec 处保持恒定，而 N 的范围从 team in 到 Tmax。在此情况下，最接近减少 30% 终点值的个体是编号 84 23，其终点值为 14,639,660。下图展示了保护措施的空间分布情况以及该流域配置在权衡前沿面上的位置（开发完成后）。该技术为流域管理与环境经济学领域的研究人员探索更具成本效益的流域环境目标实现途径，以及改进基于市场的政策设计奠定了基础。

spatial-multiobjective-optimization-agricultural-conservation

Research

科研

JoVE Journal

Biology

生物学

空间使用SWAT模型的农业保护的做法和多目标优化的进化算法

面对未来不确定的环境条件，迫切需要能够管理水生系统的工具和方法。本文提供了开展针对性流域评估的方法，使资源管理者能够构建基于景观的累积效应模型，并将其应用于情景分析管理框架中。...

基于定量情景分析框架的流域规划

我们展示了遥感数据以及新开发的辅助生境建模软件（Software for Assisted Habitat Modeling, SAHM）在预测景观尺度上外来物种分布方面的应用价值。在美国科罗拉多州东南部，通过后续野外验证评估，一组集成预测模型生成了柽柳（Tamarix...

将遥感技术与物种分布模型相结合：利用栖息地建模辅助软件（SAHM）绘制柽柳入侵分布图

利用数学建模预测种群替换策略的有效性

我们描述了一种改良的 DIG 原位...

非放射性 原位 适用于挪威云杉及多种植物物种的杂交实验方案

Fopius arisanus 是一种寄生在实蝇科果实蝇卵和幼虫阶段的寄生蜂，已被成功用于这些重要热带害虫的生物防治。本文介绍了一种利用 readily available materials 小规模人工繁殖 F. arisanus...

一种优化的饲养方案 Fopius arisanus，一种寄生性天敌，针对实蝇科果实蝇

两栖类片脚类动物Parhyale hawaiensis...

八细胞期端足类甲壳动物Parhyale hawaiensis单细胞消融

Ca2+ 信号调控植物中多种多样的生物学过程。本文介绍了利用基因编码的 Ca2+ 探针 Aequorin 或 Case12，监测非生物胁迫在拟南芥细胞和组织中诱导产生的时空 Ca2+...

测量拟南芥植物中的空间和时间Ca2+信号

本文介绍了一种研究松材线虫（Bursaphelenchus xylophilus）交配行为的实验方案。描述了B.

松材线虫 Bursaphelenchus xylophilus 交配行为的观察与量化

非裂解型昆虫细胞表达系统在蛋白质生产、细胞内运输/定位以及重组蛋白功能分析方面尚未得到充分利用。本文介绍了在商业可得的鳞翅目细胞系中构建表达载体并进行瞬时蛋白表达的方法。同时展示了烟粉虱（Bemisia...

培养昆虫细胞中重组蛋白的瞬时表达与细胞定位

两栖动物生物学的研究为了解多个分类群生物的生殖、生理、胚胎学和发育过程提供了重要信息。本文全面介绍了可用于研究两栖动物卵巢调控与监测的各种方法学。...

两栖动物卵巢监测与控制的繁殖技术

探索利用SWAT流域过程模型与进化算法进行多目标优化的方法，优化农业保护性措施的空间配置，以最低成本实现水质目标，量化环境效益与成本之间的权衡关系。

利用SWAT模型和进化算法对农业保护措施进行空间多目标优化

探索更多视频