Przestrzenna wielozadaniowa optymalizacja rolniczych praktyk ochronnych z wykorzystaniem modelu SWAT i algorytmu ewolucyjnego

Summary

Ta praca demonstruje integrację modelu jakości wody z komponentem optymalizacyjnym wykorzystującym algorytmy ewolucyjne do rozwiązania optymalnego (najtańszego) rozmieszczenia praktyk ochrony rolnictwa dla określonego zestawu celów poprawy jakości wody. Rozwiązania są generowane przy użyciu podejścia wieloobiektywnego, co pozwala na jednoznaczne określenie ilościowe kompromisów.

Abstract

Znalezienie opłacalnych (tj. najtańszych) sposobów ukierunkowania inwestycji w praktyki ochrony przyrody w celu osiągnięcia określonych celów jakości wody w całym krajobrazie ma pierwszorzędne znaczenie w zarządzaniu zlewnią. Tradycyjne metody ekonomiczne polegające na znalezieniu najtańszego rozwiązania w kontekście działu wodnego (np. ^5,12,20) zakładają, że oddziaływanie poza terenem zakładu można dokładnie opisać jako proporcję zanieczyszczeń generowanych na miejscu. Jest mało prawdopodobne, aby takie podejścia były reprezentatywne dla rzeczywistego procesu zanieczyszczenia w dziale wodnym, w którym wpływ źródeł zanieczyszczeń jest często determinowany przez złożone procesy biofizyczne. Wykorzystanie nowoczesnych, opartych na fizyce, przestrzennie rozproszonych modeli symulacji hydrologicznych pozwala na większy stopień realizmu w zakresie reprezentacji procesów, ale wymaga opracowania ram symulacyjno-optymalizacyjnych, w których model staje się integralną częścią optymalizacji.

Algorytmy ewolucyjne wydają się być szczególnie użytecznym narzędziem optymalizacyjnym, zdolnym do radzenia sobie z kombinatoryczną naturą problemu symulacji i optymalizacji zlewni i pozwalającym na wykorzystanie pełnego modelu jakości wody. Algorytmy ewolucyjne traktują określoną przestrzenną alokację praktyk ochronnych w dziale wodnym jako potencjalne rozwiązanie i wykorzystują zestawy (populacje) proponowanych rozwiązań, iteracyjnie stosując stochastyczne operatory selekcji, rekombinacji i mutacji, aby znaleźć ulepszenia w odniesieniu do celów optymalizacji. Celem optymalizacji w tym przypadku jest zminimalizowanie zanieczyszczeń niepochodzących ze źródeł punktowych w zlewni, przy jednoczesnym zminimalizowaniu kosztów praktyk ochronnych. Niedawny i stale rozwijający się zestaw badań próbuje wykorzystać podobne metody i integruje modele jakości wody z szeroko pojętymi metodami optymalizacji ewolucyjnej^{3,4,9,10,13-15,17-19,22,23,25}. W tej aplikacji demonstrujemy program, który jest zgodny z podejściem Rabotyagov i in. i integruje nowoczesny i powszechnie stosowany model jakości wody SWAT⁷ z wieloobiektywnym algorytmem ewolucyjnym SPEA2²⁶ oraz określonym przez użytkownika zestawem praktyk ochronnych i ich kosztów w celu poszukiwania pełnych granic kompromisu między kosztami praktyk ochronnych a celami jakości wody określonymi przez użytkownika. Granice określają ilościowo kompromisy, z jakimi borykają się zarządcy działów wodnych, przedstawiając pełny zakres kosztów związanych z różnymi celami poprawy jakości wody. Program pozwala na wybór konfiguracji zlewni osiągających określone cele poprawy jakości wody oraz tworzenie map optymalnego rozmieszczenia praktyk ochronnych.

Protocol

1. Przygotuj model zlewni i podaj dane wejściowe do optymalizacji

1. Utwórz bazę danych i_SWAT.
   1. Korzystając z programu o nazwie "rotator", zbuduj bazę danych z wielu wejściowych baz danych, w tym gleb, pogody, zarządzania i nawozów.
   2. Alternatywnie, istniejący przebieg SWAT (ewentualnie utworzony za pomocą ArcSWAT lub AVSWAT) można zaimportować za pomocą i_SWAT.exe. W takim przypadku program "swat_rewrite" może zostać wykorzystany do zastąpienia informacji zarządczych lub innych informacji dotyczących HRU opartych na danych na poziomie pola.
   3. W tym momencie należy przeprowadzić kalibrację i walidację modelu SWAT. Model SWAT (wersja 2005) włączony do tej ramy modelowania EA Raccoon River Watershed został pierwotnie skalibrowany i zweryfikowany na potrzeby badania całkowitego maksymalnego dziennego obciążenia (TMDL), jak opisano przez Jha i in. (2010). Dalsza kalibracja i walidacja modelu SWAT została przeprowadzona w celu wsparcia rozwoju Planu Generalnego Zlewni Raccoon River, zgodnie z opisem w Agren, Inc. (2011), który jest modelem SWAT, który został wykorzystany w tym badaniu.
   4. Użyj zmodyfikowanej wersji SWAT2005.exe o nazwie SWAT2005GA.exe.
2. Przygotuj plik "zlewnia presets.csv" — jest to plik tekstowy przechowujący wiele ustawień specyficznych dla zlewni szopa pracza. Jest odczytywany przez GeneticiSWAT i MapSWAT poniżej, aby jednym kliknięciem ustawić wiele kontrolek i pól danych dla zlewni.
3. Przygotowanie kosztów elementów praktyki konserwatorskiej. W tym przykładzie są one przechowywane w tabeli [Koszty praktyki - Szop pracz według hrabstwa] w bazie danych "Koszty praktyki według Josh.mdb zlewni".

Całkowity koszt proponowanego rozwiązania to suma kosztów praktyk ochronnych stosowanych w jednostkach zlewni ("jednostki reakcji hydrologicznej" lub HRU). Program optymalizacyjny uwzględnia optymalne przypisanie pojedynczej praktyki ochrony z określonego zestawu praktyk ochronnych w każdym HRU gruntów uprawnych w zlewni. Zestawy możliwych praktyk ochronnych przypisanych do HRU nazywane są zestawami alleli.

4. Utwórz foldery SWAT. Do tego uruchomienia użyto 16 procesorów, co oznacza, że 16 kopii SWAT2005GA.exe zostało uruchomionych w 16 oddzielnych folderach (to samo dotyczy systemów z mniejszą liczbą procesorów, np. 4 foldery powinny zostać utworzone dla procesora "czterordzeniowego").

2. Wybierz parametry optymalizacji

1. Optymalizacja jest kontrolowana przez program o nazwie "GeneticISWAT". Aby przeprowadzić optymalizację, otwórz GeneticISWAT.exe.
   1. Przejdź do "Plik", a następnie "Otwórz" i wybierz i_SWAT bazę danych "Raccoon GA.mdb".
   2. Przejdź do "Plik", a następnie "Konfiguracja", aby przypisać ścieżki do plików wykonywalnych modelu SWAT (SWAT2005GA.exe).
   3. Przejdź do "Wykonaj", a następnie "Wybierz zestaw alleli". Ten krok określa kombinacje praktyk konserwatorskich stosowanych w optymalizacji. W tym przebiegu użyto zestawu alleli #14, który zawiera 23 kombinacje praktyk ochronnych. Dostępne zestawy alleli są przechowywane w pliku konfiguracyjnym "Alleles.csv".
   4. Przejdź do "Wykonaj", a następnie wybierz "SPEA2 Archive Baseline Aware Subset", aby przeprowadzić optymalizację wielozadaniową przy użyciu algorytmu ewolucyjnego SPEA2.

Rysunek 1. Wyznaczanie celów i parametrów optymalizacyjnych.

Parametry optymalizacji do wyboru:

Ustawienie: Wybierz zlewnię, która ma być zoptymalizowana. Kliknięcie "Zastosuj" wybiera wpisy z pliku ustawień wstępnych "watershed presets.csv" do wypełnienia wartości kontrolnych na tym ekranie.

Zmienna wyjściowa: Wybierz cele środowiskowe do optymalizacji. W zależności od wyboru (N Outlet, P Outlet) definiuje to trójwymiarową funkcję celu: azot (organiczny N + NO3 + NH4 + NO2) uśredniony przez 5 lat na wylocie, fosfor (organiczny P + mineralny P) uśredniony przez 5 lat na wylocie oraz całkowity koszt praktyk konserwatorskich. Zauważ, że stworzy to trójwymiarową granicę kompromisu. Można wybrać alternatywne zmienne wyjściowe, w których program wielozadaniowy ma zminimalizować ({Zmienna wyjściowa}, Koszt całkowity).

Wielkość populacji: Ustaw początkową wielkość populacji. To determinuje początkową liczbę proponowanych rozwiązań. W przypadku wybrania opcji "Wysiew z każdym allelem" w pierwszej kolejności tworzone są rozwiązania kandydujące reprezentujące jednolite zastosowanie każdej praktyki ochronnej określonej w zestawie alleli dla wszystkich HRU użytków rolnych w zlewni. Pozostałe potencjalne rozwiązania są tworzone przez losowe przypisanie praktyk ochronnych z zestawu alleli do HRU na gruntach uprawnych. Wybierając opcję "Nasiono z każdym allelem", należy upewnić się, że początkowa wielkość populacji jest co najmniej tak duża, jak liczba alleli w zestawie alleli (23 w tej demonstracji).

Liczba generacji: Ustaw żądaną liczbę generacji (iteracji) dla przebiegu optymalizacji (zauważ, że przebieg może być ponownie uruchomiony).

Prawdopodobieństwo skrzyżowania: Gdy wybierane są dwa rozwiązania kandydujące do tworzenia nowych rozwiązań, prawdopodobieństwo skrzyżowania określa prawdopodobieństwo, że zostaną utworzone odrębne nowe rozwiązania (dla tej demonstracji ustawione na 1).

Wielkość tymczasowej populacji: Określa liczbę nowo utworzonych rozwiązań kandydujących. Zasoby procesora są wykorzystywane najbardziej efektywnie, gdy ta wartość jest całkowitą wielokrotnością liczby wątków procesora (16 w tym pokazie).

Prawdopodobieństwo mutacji: Określ prawdopodobieństwo losowej zmiany w przypisaniu HRU do innej praktyki ochrony z zestawu alleli. (W tej demonstracji jest ona ustawiona na 0,03).

Liczba wątków: Wybierz liczbę używanych procesorów lub wątków. W tej demonstracji użyto liczby 16.

Współczynnik kalibracji nr krzywej: Jest on dostarczany z kalibracji modelu SWAT.

Zapisz populację w pliku tekstowym: To jest ważne do wyboru, jeśli chce się wznowić przebieg optymalizacji po zakończeniu określonej liczby iteracji. Zaznaczenie tej opcji powoduje utworzenie pliku tekstowego z wartościami alleli każdego HRU w każdym ocalałym rozwiązaniu kandydującym (indywidualnym). Można to odczytać z powrotem, aby ponownie uruchomić i kontynuować przebieg.

Drugorzędne parametry optymalizacyjne

Pierwszy rok: Musi być ustawiony na rok po rozpoczęciu historycznych informacji o pogodzie i nie później niż 7 lat przed końcem tych danych.

Cena kukurydzy: Używana z równaniem strat plonów do oszacowania kosztów redukcji nawozów.

Metoda punktacji: Archiwum SPEA2. Punktacja określa, jakie jest prawdopodobieństwo, że osoba, która przeżyła, zostanie wybrana do crossoveru.

Metoda oczyszczania: zdominowana. Osoby, które są gorsze we wszystkich 3 wymiarach, są zdominowane i oczyszczone.

Źródło HUC: Ustaw na "Określona lokalizacja", co oznacza, że wartość "7100006" z pola "Watershed HUC" jest używana do znalezienia wiersza w tabeli Strefa HUC. Wartość "07100006" to ośmiocyfrowy kod HUC zlewni szopa.

Źródło kosztów: Ustaw na "Hrabstwo (kod lokalizacji HRU)", aby wskazać, że koszty inne niż CRP będą określane na podstawie kodów FIPS hrabstwa w powyższej tabeli kosztów treningu.

Źródło kosztów CRP: Ustaw na "1 Lokalizacja", aby wskazać, że koszt CRP będzie określany na podstawie kodów FIPS hrabstwa w powyższej tabeli kosztów praktyki.

wersja SWAT: SWAT2005

3. Reprezentatywne wyniki

GeneticiSWAT.exe tworzy plik dziennika pokazujący ustawienia i wyniki dla wszystkich proponowanych rozwiązań (osób), a także plik "zapisu", który koduje wyniki z końcowej iteracji algorytmu i który może być użyty do ponownego uruchomienia optymalizacji.

W tym momencie można zwizualizować cały zestaw rozwiązań efektywnych Pareto (granica kompromisu), wykonując następujące kroki:

1. Uruchom GeneticiSWAT;
   1. Przejdź do "Plik", a następnie "Otwórz", aby otworzyć bazę danych i_SWAT "Raccoon GA.mdb".
   2. Przejdź do "Wykonaj", a następnie "Eksportuj listę HRU". Zapisz plik jako "Raccoon Allele HRU.txt".
2. Utwórz animację, uruchamiając Mapswat.exe, wybierając "Wykonaj", a następnie "Animacja 3d".

Rysunek 2. Zrzut ekranu przedstawiający tworzenie "migawek" do trójwymiarowej wizualizacji granic

.

Wyjście to seria plików, które mogą być jednocześnie przekształcone w pliki graficzne za pomocą programu POV-RAY i wybierając "Renderuj", a następnie "Kolejka plików". Obrazy mogą być używane samodzielnie lub połączone w film pokazujący postęp algorytmu.

Rysunek 3. Statyczna wizualizacja granicy kompromisu.

Jeśli chcesz, film pokazujący postęp algorytmu można utworzyć, uruchamiając "Framescanner.exe" i wykonując następujące kroki:

1. Przejdź do "Plik", następnie "Nowy", następnie "Plik", następnie "Importuj", a następnie "Pliki PNG". Wybierz obrazy statyczne.
2. Aby utworzyć film, przejdź do "Plik", następnie "Eksportuj", a następnie "AVI".
3. Wybierz kodek "DIB", aby utworzyć pliki AVI z partii plików obrazów.

Każdy punkt na granicy reprezentuje konfigurację działu wodnego (specyficzne przypisanie praktyk ochronnych do krajobrazu). Mapy tych konfiguracji można zobaczyć dla całej granicy, wykonując następujące kroki:

1. Uruchom Mapswat.exe, wybierz "Wykonaj", a następnie "Animacja mapy".
2. Wybierz "Szop" z listy ustawień i kliknij "Zastosuj".
3. Wybierz "Układ 7 (Szop)" z listy Układ mapy, a następnie kliknij "OK".

Rysunek 4. Zrzut ekranu przedstawiający tworzenie mapy każdej osoby na ostatecznej granicy.

Eksportowanie konkretnych konfiguracji zlewiska (osób) będących przedmiotem zainteresowania.

Często interesującym pytaniem jest wybór konkretnych konfiguracji zlewni (osób) osiągających określone cele dotyczące jakości wody. Na przykład, można chcieć znaleźć osobnika na pograniczu, który redukuje azot o 30%, a fosfor o 20% w stosunku do ładunków podstawowych. MapSWAT pozwala na przeszukanie granicy w poszukiwaniu osoby o najmniejszej odległości euklidesowej do określonego celu. Można to zrobić, wykonując następujące czynności:

1. Otwórz MapSWAT.exe. Wybierz "Wykonaj" | "Szukaj".

Rysunek 5. Zrzut ekranu przedstawiający wyszukiwanie konkretnej osoby na pograniczu w oparciu o cele dotyczące jakości wody.

2. Wprowadź minimalne i maksymalne cele redukcji Tmin i Tmax, a także odcień interwału. Wprowadź również określoną procentową redukcję azotu (Nspec) w stosunku do linii podstawowej w polu "% redukcji" obok linii podstawowej N oraz procentową redukcję fosforu (Pspec) w polu "% redukcji" obok linii podstawowej fosforu. Program generuje dane wyjściowe na wyskakującym ekranie:

Rysunek 6. Zrzut ekranu z wynikami wyszukiwania

3. Kliknij "Kopiuj tekst" i wklej do arkusza kalkulacyjnego. Produkowane są trzy stoły. W pierwszym znajdują się osoby znajdujące się najbliżej celów N i P o tej samej redukcji procentowej, która waha się od Tmin do Tmax przez Tint. Tuż poniżej pojawia się najbliższy pojedynczy osobnik (Nspec, Pspec). Po drugie, tabela podająca najbliższe osoby, w których cel P waha się od Tmin do Tmax, podczas gdy N jest utrzymywane na stałym poziomie w pobliżu Nspec. Po trzecie, tabela przedstawiająca osoby znajdujące się najbliżej N celów w zakresie od Tmin do Tmax, podczas gdy P jest utrzymywane na stałym poziomie w pobliżu Pspec. W tym przypadku osobą najbliższą 30% redukcji N był ID 8423 z wartością N wynoszącą 14 637 279,60. Oto mapa przedstawiająca przestrzenny rozkład praktyk ochronnych i lokalizację tej konfiguracji działu wodnego na granicy kompromisu:

Rysunek 7. Zrzut ekranu przedstawiający przykładową mapę opisującą wybraną osobę na pograniczu. Kliknij tutaj, aby zobaczyć większą postać.

Eksport danych mapy do dalszej analizy jest możliwy po wykonaniu następujących kroków:

1. Uruchom Mapswat.exe, wybierz "Wykonaj", a następnie "Eksportuj dane mapy".
2. Wybierz "Szop" z listy ustawień i kliknij "Zastosuj".
3. Wprowadź identyfikator konfiguracji zlewni (indywidualnej) (pokazano 8423), zaznacz "Pokaż właściwości alleli" i "Pokaż koszty", a następnie kliknij "OK". Dane te można wykorzystać do tworzenia niestandardowych map wybranej konfiguracji zlewni za pomocą programu GIS.

Nazwa programu źródło opis Rotator karta Tworzy i wypełnia bazę danych i_SWAT danymi dotyczącymi gleby, pogody i zarządzania zlewnią. Swat2005GA.exe Laboratorium Badawcze Użytków Zielonych, Gleby i Wody USDA Model symulacyjny zlewni i_SWAT.exe karta Interfejs bazy danych SWAT GeneticISWAT.exe karta Algorytm ewolucyjny kontrolera SWAT. Zawiera GALib z http://lancet.mit.edu/ga/. MapSWAT.exe karta Odczytuje i_SWAT bazach danych i plikach shape, tworzy obrazy pokoleń i osób. Promień POV Povray.org Trwałość promienia widzenia. Framescanner.exe Todda Campbella Konwerter obrazu PNG na AVI Program Windows Live Movie Maker Firmy Microsoft Służy do kompresji AVI do WMV

Tabela 1. Wymagana tabela programów.

Nazwa pliku typ opis Szop pracz GA.mdb Baza danych programu Access Opisy struktury i zarządzania zlewnią szopa pracza. Czytane przez GeneticiSWAT i MapSWAT. Zlewnia presets.csv Tekst Ustawianie ustawień wstępnych dla GeneticiSWAT.exe i MapSWAT Alleles.csv Tekst Lista zestawów alleli dla algorytmu ewolucyjnego. Allele szopa pracza HRU.txt Tekst Plik utworzony przez GeneticISWAT zawierający listę alleli określonych jako grunty uprawne. Odczytane przez MapSWAT. Koszty praktyki w podziale na Josh.mdb zlewni Baza danych programu Access Koszty w podziale na praktyki zarządcze i powiaty. Taras Zones.mdb Baza danych programu Access Tabela [Dane HUC] zawiera numery tarasów i stref plonowania dla zlewni. Krajowe Centrum Badań Naukowych Budgets.mdb Baza danych programu Access Odczytywane przez GeneticISWAT.exe dla tabel upraw i maszyn, które nie są używane w tym przebiegu. Phucrp 2008-12-15.dat Tekst Tabela przeglądowa jednostek ciepła roślinnego, nieużywana w tym przebiegu. Management.mdb Baza danych programu Access Tabela przeglądowa rotacji, nieużywana w tym uruchomieniu. Szop pracz GA 2011-09-28 1313.log, Szop pracz GA 2011-09-29 0732.log, Szop pracz GA 2011-10-07 0644.log Tekst Uruchamiane są pliki dziennika GeneticISWAT. Szop pracz GA.wmv animacja Wyświetlanie 3D osób według generacji Subbasin.shp Plik kształtu ESRI Zarysy zlewni w zlewni. Szop pracz Map.wmv animacja Wyświetlanie alleli dominujących dla każdej zlewni dla każdego osobnika na granicy.

Tabela 2. Wymagana tabela przykładowych plików.

Discussion

Budujemy zintegrowaną platformę symulaccyjno-optymalizacyjną w celu poszukiwania wydajnych w Pareto zestawów konfiguracji zlewni obejmujących najniższy koszt mieszanki i lokalizację rolniczych praktyk ochronnych, aby osiągnąć szereg celów w zakresie redukcji składników odżywczych na poziomie zlewni. Schemat koncepcyjny systemu symulacyjno-optymalizacyjnego przedstawiono na rysunku 8. Symulacja działu wodnego, w tym symulacja wpływu praktyk ochrony rolnictwa na jakość wody, jest obsługiwana przez model hy...