Spatial Mehrzieloptimierung of Agricultural Conservation Practices mit einem SWAT-Modell und einem evolutionären Algorithmus

Das übergeordnete Ziel des folgenden Experiments ist es, die Methode zur mehrzieligen Optimierung von Naturschutzpraktiken in einem Wassereinzugsgebiet unter Verwendung eines Simulationsoptimierungssystems unter Einbeziehung des Wassereinzugsgebietsprozessmodells und eines evolutionären Algorithmus zu demonstrieren. Die übergeordnete Frage ist, wie landwirtschaftliche Naturschutzpraktiken in einem Wassereinzugsgebiet verteilt werden können. So werden die Ziele der Wasserqualität zu den geringsten Kosten erreicht.

Auf jedem Feld sind mehrere Erhaltungspraktiken möglich, und mehrere Ziele für die Wasserqualität können wichtig sein. Eine bestimmte Zuordnung von Naturschutzpraktiken kann durch ein Wassereinzugsgebietsprozessmodell simuliert werden. Um das Optimierungsziel zu erreichen, wählen Sie zunächst ein kalibriertes und validiertes Prozessmodell für Wassereinzugsgebiete aus und modellieren Sie Darstellungen von Naturschutzpraktiken.

In einem zweiten Schritt werden die zu maximierenden Umweltziele ausgewählt und die Kosten der Erhaltungspraktiken ermittelt, die es ermöglichen, die evolutionäre Algorithmuskomponente zur gleichzeitigen Optimierung entlang von Umwelt- und Kostenzielen aufzurufen. Als nächstes erfolgt die Auswahl der Parameter, die die Optimierung steuern, um eine Mehrzieloptimierung durchzuführen. Diese beiden Komponenten, Simulation und Optimierung, sind in ein Simulationsoptimierungssystem integriert, das als genetisches Simulationsoptimierungssystem bezeichnet wird. Es werden Ergebnisse erhalten, die den optimalen Satz von Wassereinzugsgebietskonfigurationen in Bezug auf die Platzierung von Naturschutzpraktiken zeigen, das die Kompromisse zwischen Umweltzielen und den Kosten von Naturschutzinvestitionen quantifiziert und die Auswahl einer spezifischen räumlichen Konfiguration von Naturschutzpraktiken auf der Grundlage der gewünschten Umweltziele oder -kosten ermöglicht.

Der Hauptvorteil dieser Technik gegenüber den bestehenden Methoden wie der einfachen Bewertung von Naturschutzszenarien oder der Optimierung der Auswahl von Naturschutzpraktiken auf der Grundlage einer vereinfachten Praxisdarstellung besteht darin, dass sie das physikalisch basierte Prozessmodell für Wassereinzugsgebiete flexibel und intuitiv verständlich in die Optimierungsentscheidung integriert. Diese Methode kann dazu beitragen, Schlüsselfragen in den Bereichen Wassereinzugsgebietsmanagement und Umweltökonomie zu beantworten, z. B. wo öffentliche Investitionen in Naturschutzpraktiken konzentriert werden sollen oder wie marktbasierte Politiken wie umgekehrte Auktionen für Naturschutzpraktiken oder ein Handelsprogramm für die Wasserqualität strukturiert werden können. Im Zusammenhang mit der Verschmutzung aus nicht punktuellen Quellen werden Optimierungsparameter ausgewählt, nachdem ein Wassereinzugsgebietsmodell erstellt wurde, und die Eingabedaten für die Optimierung werden vorausgesetzt, die Optimierung wird durch ein Programm namens Genetic Iwo gesteuert.

Um dieses Verfahren zu starten, öffnen Sie genetic iwo dot exe go to file, öffnen Sie dann die I SWAT-Datenbank, raccoon GA dot mdb go to file, dann configuration to assign the paths to swap. Ausführbare Modelldateien gehen zu Ausführen und wählen Sie dann Allelsatz aus. In diesem Schritt werden die Kombinationen von Erhaltungspraktiken bestimmt, die bei der Optimierung verwendet werden.

Für diesen Lauf wird der Allelsatz Nummer 14 verwendet, der 23 Kombinationen von Konservierungspraktiken ausführen muss. Wählen Sie dann SP A two archive baseline aware subset aus, um eine Mehrzieloptimierung mit dem evolutionären Algorithmus SP A two durchzuführen. Wählen Sie zunächst unter Voreinstellung das Wassereinzugsgebiet aus, das optimiert werden soll Waschbär Klicken Sie auf Anwenden wählt Einträge aus der Voreinstellungsdatei Wasserscheiden-Voreinstellungen Punkt csv aus, um die Kontrollwerte auf diesem Bildschirm zu füllen.

Wählen Sie anschließend unter Ausgabevariable die Umgebungsziele für die Optimierung aus. Der ausgewählte N-Ausgang P-Ausgang definiert eine dreidimensionale Zielfunktion. Stickstoff durchschnittlich fünf Jahre lang am Auslass, Phosphor durchschnittlich fünf Jahre lang am Auslass und die Gesamtkosten der Konservierungsmaßnahmen.

Dadurch entsteht eine dreidimensionale Trade-off-Grenze, bei der die anfängliche Populationsgröße auf 60 festgelegt wird. Dies bestimmt die anfängliche Anzahl der Kandidatenlösungen, wenn der Seed mit jeder Alleloption ausgewählt wird. Es werden mögliche Lösungen erstellt, die eine einheitliche Anwendung jeder im Allelsatz spezifizierten Erhaltungspraxis auf alle hydrologischen Reaktionseinheiten der Ackerflächen im Wassereinzugsgebiet darstellen.

Zunächst werden die verbleibenden Kandidatenlösungen durch eine zufällige Zuordnung von Erhaltungspraktiken aus dem Allelsatz zur HR-Wert des Ackerlandes erstellt. Achten Sie bei der Auswahl des Ausgangswerts mit jeder Alleloption darauf, dass die anfängliche Populationsgröße, die in dieser Abbildung 60 beträgt, mindestens so groß ist wie die Anzahl der Allele in einem Allelsatz, die 23 beträgt. Legen Sie in dieser Demonstration die gewünschte Anzahl von Generationen oder Iterationen für den Optimierungslauf in diesem Beispiel auf 125 fest. Wenn zwei mögliche Lösungen zum Erstellen neuer möglicher Lösungen ausgewählt werden, gibt die Crossover-Wahrscheinlichkeit die Wahrscheinlichkeit an, dass unterschiedliche neue Lösungen erstellt werden.

Für diese Demonstration wird die Crossover-Wahrscheinlichkeit auf eins festgelegt. Die Größe der temporären Auffüllung bestimmt die Anzahl der neu erstellten Lösungskandidaten. Prozessorressourcen werden am effizientesten verwendet, wenn dieser Wert eine ganze Zahl ist, wobei ein Vielfaches der Anzahl der Prozessorthreads 16 für diese Demonstration ausgewählt ist.

Die Mutationswahrscheinlichkeit ist die Wahrscheinlichkeit einer zufälligen Änderung der HRU-Zuordnung zu einer anderen Naturschutzpraxis. Aus dem Allelsatz wird er auf 0,003 gesetzt. Wählen Sie für diese Demonstration die Anzahl der verwendeten Threads oder Prozessoren aus, d. h. 16.

In dieser Demonstration wird der Kurvenzahl-Kalibrierungsfaktor von eins aus der Kalibrierung des Swap-Modells bereitgestellt. Wählen Sie abschließend Population in Textdatei speichern. Wenn Sie diese Option aktivieren, wird eine Textdatei mit den Allelwerten jeder HRU in jeder überlebenden Kandidatenlösung erstellt.

Dies ist wichtig, um den Optimierungslauf nach Abschluss der angegebenen Anzahl von Iterationen neu zu starten. Nach dem Lauf kann der gesamte Satz effizienter Pareto-Lösungen oder die Trade-off-Grenze visualisiert werden, indem Sie diese Schritte befolgen. Führen Sie genetisch aus.

Ich swat, gehe zu Datei, dann öffne ich, um die I IWA-Datenbank zu öffnen, Waschbär GA Punkt mdb. Gehen Sie zum Dateiexport, dann zum Exportieren der HRU-Liste, Speichern Sie die Datei als Waschbär-Allel, HRU-Punkt T XT Run Map, swat dot xe, wählen Sie Ausführen und dann 3D-Animation, um eine Animation der dreidimensionalen Kompromissgrenze zu erstellen, die den Stickstoffgehalt N am Auslass auf der roten Achse gegen den Phosphorgehalt P am Auslass auf der blauen Achse gegen die summierten Kosten der Konservierungsmaßnahmen ausspielt. In allen Teileinzugsgebieten.

Auf der grünen Achse ist die Ausgabe eine Reihe von Dateien, die alle auf einmal in Bilddateien gerendert werden können. Durch die Verwendung des POV-Ray-Programms können die Bilder auch zu einem Film kombiniert werden, der den Verlauf des Algorithmus zeigt, indem der Frame-Scanner xe ausgeführt wird. Jeder Punkt in der Grenze stellt eine Konfiguration der Wasserscheide dar.

Das ist eine spezifische Zuordnung von Naturschutzpraktiken in einer Landschaft. Viele dieser Konfigurationen können für die gesamte Grenze angezeigt werden, indem Sie die folgenden Schritte ausführen. Ausführen, zuordnen, wischen, xe, ausführen auswählen, und dann Animation zuordnen.

Die Kästchen auf der linken Seite zeigen die zweidimensionalen Projektionen der Grenze, und die gestrichelten Linien bezeichnen die Position der gewählten Lösung. Das MAP zeigt die dominante algorithmusvorgeschriebene Konservierungspraxis. In jedem dieser Bereiche weist die Legende auf die gewählten Erhaltungspraktiken hin.

Oft ist es eine interessante Frage, eine bestimmte Wassereinzugsgebietskonfiguration oder eine Person auszuwählen, die eine bestimmte Reihe von Wasserqualitätszielen erreicht. Zum Beispiel eine Person, die Stickstoff um 30 % und Phosphor um 30 % im Verhältnis zur Baseline-Belastungskarte reduziert. SWAT ermöglicht es uns, die Grenze nach einer Person mit der minimalen EUKLIDISCHEN Entfernung zum angegebenen Ziel zu durchsuchen. Um bestimmte Wassereinzugsgebietskonfigurationen oder Personen auszuwählen, die bestimmte Wasserqualitätsziele erreichen, öffnen Sie die Karte swat dot exe und wählen Sie Ausführen und Suchen.

Geben Sie einen minimalen Zielwert von Null ein. In diesem Beispiel ein maximales Ziel von 100 in diesem Beispiel sowie ein Zielintervall von 10. Geben Sie in diesem Beispiel eine spezifische prozentuale Stickstoffreduktion gegenüber dem Ausgangswert in den Bereich für die prozentuale Reduzierung neben dem Ende des Ausgangswerts 30 ein.

In diesem Beispiel. Geben Sie dann die prozentuale Phosphorreduktion in die prozentuale Reduktion neben dem Phosphorausgangswert ein, ebenfalls 30. In diesem Beispiel erzeugt das Map-Swat-Programm eine Ausgabe in einem Popup-Fenster, klicken Sie auf Kopieren, Text und fügen Sie es in eine Tabelle ein.

In der ersten werden drei Tabellen erstellt, die Individuen sind, die den N- und P-Zielen der gleichen prozentualen Reduktion am nächsten sind, die von T in bis tmax bis t int reichen. Direkt darunter liegt die einzelne Person, die der N-Zielspezifikation am nächsten ist, und die P-Spezifikation in der zweiten Tabelle sind die nächstgelegenen Individuen, wobei das P-Ziel von Team in bis Tmax reicht, während N in der Nähe der Endspezifikation konstant gehalten wird. Die dritte Tabelle zeigt die nächstgelegenen Endziele von Team in bis Tmax, während P in der Nähe der P-Spezifikation konstant gehalten wird.

In diesem Fall war die Person, die einer Endreduktion von 30 % am nächsten kam, ID 84 23 mit einem Endwert von 14.639.660. Hier ist die Karte, die die räumliche Verteilung der Naturschutzpraktiken und die Lage dieser Wassereinzugsgebietskonfiguration an der Trade-off-Grenze nach ihrer Entwicklung zeigt. Die Technik ebnete Forschern auf dem Gebiet des Wassereinzugsgebietsmanagements und der Umweltökonomie den Weg, kostengünstigere Wege zur Erreichung der Umweltziele von Wassereinzugsgebieten zu erforschen und die Gestaltung marktbasierter Politiken zu verbessern.