SWATモデルを用いた農業保全の実践の空間的な多目的最適化と進化的アルゴリズム

次の実験の全体的な目標は、流域プロセスモデルを含むシミュレーション最適化システムと進化的アルゴリズムを使用して、流域の保全実践の多目的最適化の方法を実証することです。最も重要な問題は、流域で農業保全の実践をどのように配分するかです。したがって、水質の目標は最小のコストで達成されます。

各分野では複数の保全活動が可能であり、複数の水質目標が重要になる場合があります。保全慣行の特定の割り当ては、流域プロセスモデルによってシミュレートできます。最適化の目標を達成するには、まず、キャリブレーションおよび検証済みの流域プロセスモデルを選択し、保全活動のモデル表現を選択します。

第2のステップとして、最大化すべき環境目標が選択され、保全実践のコストが取得され、これにより、環境目標とコスト目標に沿って同時に最適化しようとする進化的アルゴリズムコンポーネントが呼び出されるようになります。次に、多目的最適化を行うために、最適化を制御するパラメータの選定を行います。これらの2つのコンポーネントは、シミュレーションと最適化は、遺伝的Iスワットの結果と呼ばれるシミュレーション最適化システムに統合され、保全実践の配置の観点から流域構成の最適なセットを示し、環境目標と保全投資のコストとの間のトレードオフを定量化し、望ましい環境目標またはコストに基づいて保全実践の特定の空間構成の選択を可能にします。

この手法は、単純な保全実践シナリオ評価や、簡素化された実践表現に基づく保全実践の選択の最適化などの既存の方法に対する主な利点は、物理ベースの流域プロセスモデルを柔軟で直感的に理解できる方法で最適化の決定に統合することです。この方法は、公共投資を保全活動にどこに集中させるか、保全活動のためのリバースオークションや水質取引プログラムなどの市場ベースの政策をどのように構築するかなど、流域管理および環境経済分野における重要な質問に答えるのに役立ちます。非点源汚染のコンテキストでは、流域モデルが準備され、最適化のための入力データがGenetic Iwoと呼ばれるプログラムによって制御される前に、最適化パラメータが選択されます。

この手順を開始するには、genetic iwo dot exe go to fileを開き、I SWATデータベース、raccoon GA dot mdb go to fileを開いて選択し、次にスワップするパスを割り当てるための設定を行います。モデル実行可能ファイルは実行に移動し、対立遺伝子セットを選択します。このステップでは、最適化で使用される保存修復手法の組み合わせを決定します。

この実行では、対立遺伝子セット番号14が使用され、保存慣行の23の組み合わせが実行されます。次に、「SP A 2 アーカイブ・ベースライン対応サブセット」を選択し、SP A 2 Evolutionaryアルゴリズムを使用して多目的最適化を実行します。まず、プリセットの下で、最適化する流域を選択します アライグマ 適用をクリックすると、プリセットファイルからエントリが選択されます 流域プリセット ドットcsv この画面の制御値を埋めます。

次に、output variableの下で、最適化のための環境目標を選択します。選択したN出口P出口は、3次元の目的関数を定義します。窒素は出口で5年間平均され、リンは出口で5年間平均され、保全活動の総費用は

これにより、初期人口サイズを 60 に設定する 3 次元のトレードオフ フロンティアが作成されます。これにより、各対立遺伝子を持つシードオプションが選択されたときの候補解の初期数が決まります。対立遺伝子セットで指定された各保全慣行の統一的な適用を表す候補ソリューションが、流域内のすべての農地水文応答単位に作成されます。

まず、残りの候補ソリューションは、対立遺伝子セットから耕作地HRへの保全慣行のランダム割り当てによって作成されます。各対立遺伝子オプションでシードを選択するときは、初期集団サイズ (このデモンストレーションでは 60) が、少なくとも対立遺伝子セット内の対立遺伝子の数 (23) と同じ大きさであることを確認してください。このデモでは、この例の最適化実行に必要な世代数または反復回数を 125 に設定します。新しい候補解を作成するために 2 つの候補解を選択した場合、交差確率は、異なる新しい解が作成される確率を指定します。

このデモでは、交差確率を 1 に設定します。一時的な母集団のサイズによって、作成される新しい候補ソリューションの数が決まります。プロセッサ リソースは、この値が整数の場合に最も効率的に使用されます。このデモでは、プロセッサ スレッドの数の倍数 16 が選択されています。

突然変異確率は、HRUの割り当てが別の保存プラクティスにランダムに変更される確率です。対立遺伝子セットから、0.003 に設定されます。このデモでは、使用するスレッドまたはプロセッサの数 (16) を選択します。

このデモでは、スワップ モデルのキャリブレーションから 1 の曲線番号キャリブレーション係数が提供されます。最後に、[母集団をテキストファイルに保存]を選択します。このオプションをオンにすると、存続するすべての候補ソリューションのすべての HRU の対立遺伝子値を含むテキスト ファイルが生成されます。

これは、指定した反復回数が完了した後に最適化実行を再開するために重要です。実行後、パレートの効率的なソリューションまたはトレードオフのフロンティアのセット全体を、次の手順に従って視覚化できます。遺伝的に実行します。

私はスワットし、ファイルに移動し、その後、I IWAデータベース、raccoon GA dot mdbを開くために開きます。ファイルのエクスポートに移動し、次にHRUリストをエクスポートし、アライグマ対立遺伝子、HRUドットT XT実行マップ、スワットドットxe、実行を選択し、次に3Dアニメーションとしてファイルを保存し、3次元トレードオフフロンティアのアニメーションを生成します、つまり、赤軸上の出口窒素レベルNと青軸上の出口リンレベルPを、保全慣行の合計コストに対してピットします。すべての小川で。

緑の軸では、出力は一連のファイルであり、一度にすべてを画像ファイルにレンダリングできます。POVレイプログラムを使用すると、フレームスキャナーxeを実行して、画像を組み合わせてアルゴリズムの進行を示すムービーにすることもできます。フロンティアの各ポイントは、集水域の構成を表します。

これは、景観に対する保全活動の具体的な課題です。これらの構成の多くは、次の手順に従ってフロンティア全体で確認できます。実行、マップ、swat、xe、実行の選択、マップアニメーション。

左側のボックスはフロンティアの 2 次元投影を示し、破線は選択した特定のソリューションの位置を示します。MAPは、主要なアルゴリズムが規定された保存慣行を示しています。それぞれで、凡例は選択された保存慣行を識別します。

多くの場合、関心のある問題は、特定の流域構成を選択するか、特定の水質目標のセットを達成する個人を選択することです。たとえば、ベースライン負荷と比較して、窒素を30%、リンを30%削減する個体がマッピングされます。SWATを使用すると、指定されたオブジェクトまでの最小ユークリッド距離を持つ個人をフロンティアで検索できます特定の流域構成または特定の水質目標を達成する個人を選択するには、マップswat dot exeを開き、実行して検索します。

最小目標 0 を入力します。この例では、最大ターゲット 100 とターゲット間隔 10 です。この例では、ベースラインからの窒素の特定の削減率を、終了ベースライン 30 の横のパーセント削減スペースに入力します。

この例では。次に、リンのベースラインの横にある削減率 (30) に、リンの減少率を入力します。この例では、マップ SWAT プログラムはポップアップ画面で出力を生成し、[コピー]、[テキスト]の順にクリックし、スプレッドシートに貼り付けます。

3つの表が作成され、最初のものは、同じ削減率のNおよびPターゲットに最も近い個体であり、これはT inからtmaxまでt intの範囲です。このすぐ下に、ターゲットのNスペックに最も近い1人の個体と、2番目の表に現れるPスペックが最も近い個体で、PターゲットはチームインからTmaxまでの範囲で、Nはエンドスペックの近くで一定に保たれています。3 番目の表は、チーム イン から Tmax までの範囲の個々の最も近いエンド ターゲットを示していますが、P は P スペックの近くで一定に保たれています。

この場合、30% のエンド リダクションに最も近い個体は ID 84 23 で、エンド値は 14, 639, 660 でした。これは、保全慣行の空間分布と、開発後のトレードオフフロンティアにおけるこの流域構成の位置を示す地図です。この手法は、流域管理と環境経済学の分野の研究者が、流域の環境目標を達成するためのより費用対効果の高い方法を探求し、市場ベースの政策の設計を改善するための道を開きました。