Spaziale Ottimizzazione multiobiettivo di pratiche di conservazione agricole utilizzando un modello SWAT e un algoritmo evolutivo

L'obiettivo generale del seguente esperimento è quello di dimostrare il metodo per l'ottimizzazione multi-obiettivo delle pratiche di conservazione in un bacino idrografico utilizzando un sistema di ottimizzazione della simulazione che coinvolge il modello del processo del bacino idrografico e un algoritmo evolutivo. La domanda generale è come allocare le pratiche di conservazione agricola in un bacino idrografico. In questo modo gli obiettivi di qualità dell'acqua sono raggiunti al minor costo.

Su ogni campo sono possibili molteplici pratiche di conservazione e possono essere importanti più obiettivi di qualità dell'acqua. Una particolare assegnazione di pratiche di conservazione può essere simulata da un modello di processo di spartiacque. Per raggiungere l'obiettivo di ottimizzazione, selezionare innanzitutto un modello di processo di bacino idrografico calibrato e convalidato e modellare le rappresentazioni delle pratiche di conservazione.

Come secondo passo, vengono selezionati gli obiettivi ambientali da massimizzare e si ottengono i costi delle pratiche di conservazione, che consentono di invocare la componente dell'algoritmo evolutivo che cerca di ottimizzare contemporaneamente gli obiettivi ambientali e di costo. Successivamente, viene effettuata la selezione dei parametri che controllano l'ottimizzazione al fine di eseguire l'ottimizzazione multi-obiettivo. Questi due componenti, simulazione e ottimizzazione, sono integrati in un sistema di ottimizzazione della simulazione chiamato genetico. Si ottengono risultati che mostrano l'insieme ottimale di configurazioni dei bacini idrografici in termini di posizionamenti delle pratiche di conservazione, che quantifica i compromessi tra gli obiettivi ambientali e il costo degli investimenti di conservazione e consente la selezione di una specifica configurazione spaziale delle pratiche di conservazione in base agli obiettivi ambientali desiderati o ai costi.

Il vantaggio principale di questa tecnica rispetto ai metodi esistenti, come la semplice valutazione dello scenario di pratica di conservazione o l'ottimizzazione della scelta delle pratiche di conservazione basata sulla rappresentazione semplificata della pratica, è che integra il modello di processo del bacino idrografico basato sulla fisica nella decisione di ottimizzazione in un modo flessibile e intuitivamente comprensibile. Questo metodo può aiutare a rispondere a domande chiave nel campo della gestione dei bacini idrografici e dell'economia ambientale, come ad esempio dove concentrare gli investimenti pubblici nelle pratiche di conservazione, o come strutturare politiche basate sul mercato come le aste inverse per le pratiche di conservazione o un programma di scambio della qualità dell'acqua. Nel contesto dell'inquinamento da fonti non puntuali, i parametri di ottimizzazione vengono selezionati dopo la preparazione di un modello di bacino idrografico e i dati di input per l'ottimizzazione, a condizione che l'ottimizzazione sia controllata da un programma chiamato Genetic Iwo.

Per iniziare questa procedura, aprire genetico iwo dot exe andare al file, quindi aprire e selezionare il database SWAT, procone GA dot mdb andare al file, quindi la configurazione per assegnare i percorsi da scambiare. Gli eseguibili del modello vanno a eseguire, quindi selezionare il set di alleli. Questa fase determina le combinazioni di pratiche di conservazione utilizzate nell'ottimizzazione.

Per questa corsa verrà utilizzato il set di alleli numero 14, che ha 23 combinazioni di pratiche di conservazione da eseguire. Quindi selezionare SP A due sottoinsieme consapevole della linea di base dell'archivio per eseguire l'ottimizzazione multi-obiettivo utilizzando l'algoritmo evolutivo SP A due . Innanzitutto, in preimpostato, seleziona il procione spartiacque da ottimizzare facendo clic su applica seleziona le voci dal file dei preset, i preset, i preset, dot csv per riempire i valori di controllo in questa schermata.

Successivamente, in Variabile di output, selezionare gli obiettivi ambientali per l'ottimizzazione. L'uscita N selezionata definisce una funzione obiettivo tridimensionale. L'azoto è stato in media per cinque anni all'uscita, il fosforo in media per cinque anni all'uscita e il costo totale delle pratiche di conservazione.

Ciò creerà una frontiera di compromesso tridimensionale, fissando la dimensione iniziale della popolazione a 60 anni. Questo determina il numero iniziale di soluzioni candidate quando viene selezionata l'opzione seed con ciascun allele. Vengono create soluzioni candidate che rappresentano un'applicazione uniforme di ciascuna pratica di conservazione specificata nel set di alleli a tutte le unità di risposta idrologica dei terreni coltivati nel bacino idrografico.

In primo luogo, le restanti soluzioni candidate vengono create da un'assegnazione casuale di pratiche di conservazione dall'allele impostato all'HR dei terreni coltivati. Quando si seleziona il seme con ciascuna opzione allelico, assicurarsi che la dimensione iniziale della popolazione, che è 60 in questa dimostrazione, sia almeno pari al numero di alleli in un insieme di alleli, che è 23. In questa dimostrazione, impostare il numero desiderato di generazioni o iterazioni per l'esecuzione dell'ottimizzazione in questo esempio su 125. Quando vengono selezionate due soluzioni candidate per la creazione di nuove soluzioni candidate, la probabilità di crossover specifica la probabilità che vengano create nuove soluzioni distinte.

Per questa dimostrazione, la probabilità di crossover è impostata su uno. La dimensione della popolazione temporanea determina il numero di nuove soluzioni candidate create. Le risorse del processore vengono utilizzate in modo più efficiente quando questo valore è un numero intero, multiplo del numero di thread del processore 16 viene selezionato per questa dimostrazione.

La probabilità di mutazione è la probabilità di un cambiamento casuale nell'assegnazione dell'HRU a un'altra pratica di conservazione. Dall'insieme degli alleli, è impostato su 0,003. Per questa dimostrazione, selezionare il numero di thread o processori usati, che è 16.

In questa dimostrazione, il fattore di calibrazione del numero di curva pari a uno viene fornito dalla calibrazione del modello di scambio. Infine, seleziona salva popolazione in file di testo. Selezionando questa opzione si produce un file di testo con i valori allelici di ogni HRU in ogni soluzione candidata sopravvissuta.

Ciò è importante per riavviare l'esecuzione dell'ottimizzazione dopo il completamento del numero specificato di iterazioni. Dopo l'esecuzione, l'intero set di soluzioni efficienti di Pareto o la frontiera del trade-off possono essere visualizzati seguendo questi passaggi. Esegui genetico.

Ho swat, andare al file, quindi aprire per aprire il database I IWA, procione GA dot mdb. Vai all'esportazione del file, quindi esporta l'elenco HRU, salva il file come allele procione, HRU dot T XT run map, swat dot xe, seleziona esegui e quindi l'animazione 3D per produrre l'animazione della frontiera di compromesso tridimensionale, che contrappone i livelli di azoto N in uscita sull'asse rosso contro i livelli di fosforo in uscita P sull'asse blu contro il costo sommato delle pratiche di conservazione. In tutti i sottobacini.

Sull'asse verde, l'output è una serie di file che possono essere visualizzati tutti in una volta in file immagine. Utilizzando il programma POV ray, le immagini possono anche essere combinate in un filmato che mostra la progressione dell'algoritmo eseguendo lo scanner di fotogrammi xe. Ogni punto della frontiera rappresenta una configurazione spartiacque.

Si tratta di un incarico specifico delle pratiche di conservazione di un paesaggio. Molte di queste configurazioni possono essere viste per l'intera frontiera seguendo questi passaggi. Esegui, mappa, swat, xe, seleziona Esegui, quindi mappa l'animazione.

I riquadri sul lato sinistro mostrano le proiezioni bidimensionali della frontiera e le linee tratteggiate denotano la posizione della particolare soluzione scelta. La MAP mostra la pratica di conservazione prescritta dall'algoritmo dominante. In ognuno dove la legenda identifica le pratiche di conservazione scelte.

Spesso una questione di interesse è quella di selezionare una specifica configurazione di bacino idrografico o un individuo che raggiunga un insieme specifico di obiettivi di qualità dell'acqua. Ad esempio, un individuo riduce l'azoto del 30% e il fosforo del 30% rispetto alla mappa dei carichi di base. SWAT ci consente di cercare alla frontiera un individuo con la distanza euclidea minima dall'obiettivo specificato Per selezionare specifiche configurazioni di spartiacque o individui che raggiungono particolari obiettivi di qualità dell'acqua, aprire la mappa swat dot exe e selezionare eseguire e cercare.

Immettere un obiettivo minimo zero. In questo esempio, un target massimo 100 in questo esempio, nonché un intervallo target 10. In questo esempio, immettere una percentuale specifica di riduzione dell'azoto rispetto al basale nello spazio di riduzione percentuale accanto al valore di riferimento finale 30.

In questo esempio. Quindi inserire la percentuale di riduzione del fosforo nella percentuale di riduzione accanto alla linea di base del fosforo, anch'essa 30. In questo esempio, il programma map swat produrrà l'output in una schermata pop-up, farà clic su copia, testo e incolla in un foglio di calcolo.

Nella prima sono stati prodotti tre tabelle: gli individui più vicini agli obiettivi di N e P della stessa percentuale di riduzione, che varia da T in a tmax per t int. Appena al di sotto di questo, il singolo individuo più vicino al bersaglio N spec e P spec appare nella seconda tabella sono gli individui più vicini, dove il bersaglio P varia da team in a Tmax mentre N è mantenuto costante vicino a end spec. La terza tabella fornisce agli individui gli obiettivi finali più vicini che vanno da team in a Tmax mentre P è mantenuto costante vicino alla specifica P.

In questo caso, l'individuo più vicino a una riduzione finale del 30% era ID 84 23 con un valore finale di 14.639.660. Ecco la mappa che mostra la distribuzione spaziale delle pratiche di conservazione e la posizione di questa configurazione di bacino idrografico nella frontiera di trade-off dopo il suo sviluppo. La tecnica ha spianato la strada ai ricercatori nel campo della gestione dei bacini idrografici e dell'economia ambientale per esplorare modi più efficaci in termini di costi per raggiungere gli obiettivi ambientali dei bacini idrografici e per migliorare la progettazione di politiche basate sul mercato.