Name: Przestrzenna wielozadaniowa optymalizacja rolniczych praktyk ochronnych z wykorzystaniem modelu SWAT i algorytmu ewolucyjnego (Wideo) | JoVE Journal
Uploaded: 2012-12-09T17:00:00.000+00:00
Duration: 11 min 53 s
Description: Odkryj metodę przestrzennej wielozadaniowej optymalizacji rolniczych praktyk ochronnych przy użyciu modelu SWAT i algorytmu ewolucyjnego. To podejście pozwala na efektywne osiąganie celów jakości wody przy minimalnych kosztach inwestycji.

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

Badania te zostały sfinansowane częściowo ze wsparcia otrzymanego z programu Targeted Watersheds Grants Program Agencji Ochrony Środowiska USA (projekt nr WS97704801), programu Dynamics of Coupled Natural and Human Systems Narodowej Fundacji Nauki (projekt nr DEB1010259-CARD-KLIN) oraz programu Coordinated Agricultural Project Departamentu Rolnictwa USA – Narodowego Instytutu Żywności i Rolnictwa (projekt nr 20116800230190-CARD-).

<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>

Nie zadeklarowano żadnych konfliktów interesów.

Budujemy zintegrowane ramy symulacyjno-optymalizacyjne w celu wyszukiwania zestawów Pareto-efektywnych konfiguracji zlewni, obejmujących najniżej kosztowe połączenia i lokalizacje praktyk ochrony rolnictwa, aby osiągnąć szereg celów redukcji składników odżywczych na poziomie zlewni. Schemat koncepcyjny systemu symulacyjno-optymalizacyjnego przedstawiono na Rysunku 8. Symulacja zlewni, w tym symulowanie wpływu praktyk ochrony rolnictwa na jakość wody, jest realizowana przez model hydrologiczny SWAT2005, s...

przestrzenna wielokryterialna optymalizacja praktyk ochrony rolnictwa z wykorzystaniem modelu swat i algorytmu ewolucyjnego

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

Znalezienie najbardziej efektywnych kosztowo (i.e., najtańszych) sposobów kierowania inwestycji w praktyki ochronne w celu osiągnięcia określonych celów jakości wody w całym krajobrazie ma kluczowe znaczenie w gospodarowaniu zlewniami. Tradycyjne metody ekonomiczne służące do znajdowania najtańszego rozwiązania w kontekście zlewni (e.g.,5,12,20) zakładają, że oddziaływania pozaobszarowe można precyzyjnie opisać jako proporcję generowanego zanieczyszczenia w miejscu emisji. Takie podejścia prawdopodobnie nie oddają rzeczywistego procesu zanieczyszczania w zlewni, gdzie wpływ źródeł zanieczyszczeń jest często determinowany przez złożone procesy biofizyczne. Zastosowanie nowoczesnych, fizycznych, przestrzennie rozdzielonych modeli symulacji hydrologicznych pozwala na większy stopień realizmu w odwzorowaniu procesów, ale wymaga opracowania struktury symulacyjno-optymalizacyjnej, w której 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 oraz pozwalającym na wykorzystanie pełnego modelu jakości wody. Algorytmy ewolucyjne traktują konkretną przestrzenną alokację praktyk ochronnych w zlewni jako rozwiązanie kandydujące i wykorzystują zbiory (populacje) takich rozwiązań, iteracyjnie stosując stochastyczne operatory selekcji, rekombinacji i mutacji w celu znalezienia ulepszeń w odniesieniu do celów optymalizacji. Celami optymalizacji w tym przypadku jest minimalizacja zanieczyszczeń obszarowych w zlewni przy jednoczesnej minimalizacji kosztów praktyk ochronnych. Niedawny i rozszerzający się zbiór badań próbuje wykorzystać podobne metody i integruje modele jakości wody z szeroko zdefiniowanymi metodami optymalizacji ewolucyjnej3,4,9,10,13-15,17-19,22,23,25. W niniejszym zastosowaniu prezentujemy program, który realizuje podejście Rabotyagova i wsp. i integruje nowoczesny i powszechnie stosowany model jakości wody SWAT7 z wielokryterialnym algorytmem ewolucyjnym SPEA226 oraz określonym przez użytkownika zestawem praktyk ochronnych i ich kosztów, aby wyszukać pełne granice kompromisu (tradeoff frontiers) pomiędzy kosztami praktyk ochronnych a określonymi przez użytkownika celami jakości wody. Granice te kwantyfikują kompromisy, z jakimi mierzą się zarządcy zlewni, przedstawiając pełen zakres kosztów związanych z różnymi celami poprawy jakości wody. Program umożliwia wybór konfiguracji zlewni osiągających określone cele poprawy jakości wody oraz generowanie map zoptymalizowanego rozmieszczenia praktyk ochronnych.

Niniejsza praca prezentuje integrację modelu jakości wody z komponentem optymalizacyjnym wykorzystującym algorytmy ewolucyjne w celu wyznaczenia optymalnego (najniższego kosztowo) rozmieszczenia praktyk ochrony rolnictwa dla określonego zestawu celów poprawy jakości wody. Rozwiązania są generowane przy użyciu podejścia wielokryterialnego, co pozwala na jawne ilościowe określenie kompromisów.

Przestrzenna wielokryterialna optymalizacja praktyk ochrony rolnictwa z wykorzystaniem modelu SWAT i algorytmu ewolucyjnego

Wyznaczanie najbardziej efektywnych kosztowo (tj. najmniej kosztownych) sposobów ukierunkowania inwestycji w praktyki ochronne w celu osiągnięcia określonych celów w zakresie jakości wody...

Ogólnym celem poniższego eksperymentu jest zademonstrowanie metody wielokryterialnej optymalizacji praktyk ochrony środowiska w zlewni przy użyciu systemu optymalizacji symulacyjnej, obejmującego model procesów zlewni oraz algorytm ewolucyjny. Głównym pytaniem badawczym jest kwestia sposobu rozmieszczenia rolniczych praktyk ochrony środowiska w zlewni w taki sposób, aby cele dotyczące jakości wody zostały osiągnięte przy najniższym koszcie.Na każdym polu możliwe jest zastosowanie wielu praktyk ochronnych, a istotne mogą być liczne cele dotyczące jakości wody. Konkretny zestaw praktyk ochronnych można zasymulować za pomocą modelu procesowego zlewni. Aby osiągnąć cel optymalizacji, należy w pierwszej kolejności wybrać skalibrowany i zwalidowany model procesowy zlewni oraz reprezentacje modelowe praktyk ochronnych.W drugim kroku wybierane są cele środowiskowe do maksymalizacji oraz pozyskiwane są koszty praktyk ochronnych, co umożliwia uruchomienie komponentu algorytmu ewolucyjnego dążącego do jednoczesnej optymalizacji celów środowiskowych i kosztowych. Następnie dokonuje się wyboru parametrów sterujących optymalizacją w celu przeprowadzenia optymalizacji wielokryterialnej. Te dwa komponenty, symulacja i optymalizacja, są zintegrowane w systemie symulacji i optymalizacji zwanym genetic I swat; uzyskane wyniki wskazują optymalny zestaw konfiguracji zlewni pod kątem rozmieszczenia praktyk ochronnych, co pozwala na określenie kompromisów między celami środowiskowymi a kosztami inwestycji w ochronę oraz umożliwia wybór konkretnej przestrzennej konfiguracji praktyk ochronnych w zależności od pożądanych celów środowiskowych lub kosztów.Główną zaletą tej techniki w porównaniu z istniejącymi metodami, takimi jak prosta ocena scenariuszy praktyk ochronnych lub optymalizacja wyboru praktyk ochronnych w oparciu o uproszczoną reprezentację tych praktyk, jest integracja fizycznego modelu procesów zlewni w procesie decyzyjnym dotyczącym optymalizacji w sposób elastyczny i intuicyjnie zrozumiały. Metoda ta może pomóc w udzieleniu odpowiedzi na kluczowe pytania z zakresu gospodarki zlewniami oraz ekonomii środowiska, takie jak: gdzie skierować inwestycje publiczne w praktyki ochronne lub jak ustrukturyzować politykę rynkową, np. w formie aukcji odwróconych na praktyki ochronne lub programu handlu jakością wody. W kontekście zanieczyszczeń obszarowych parametry optymalizacji są wybierane po przygotowaniu modelu zlewni i dostarczeniu danych wejściowych do optymalizacji; sam proces optymalizacji jest sterowany przez program o nazwie Genetic Iwo.Aby rozpocząć tę procedurę, uruchom program genetic iwo dot exe, przejdź do menu Plik, następnie Otwórz i wybierz bazę danych I SWAT, raccoon GA dot mdb, przejdź do menu Plik, a następnie Konfiguracja, aby przypisać ścieżki do plików wykonywalnych modelu swap. Przejdź do menu Wykonaj, a następnie wybierz zestaw alleli. Krok ten określa kombinacje praktyk konserwatorskich wykorzystywanych w optymalizacji.Do niniejszego przebiegu zostanie wykorzystany zestaw alleli numer 14, który zawiera 23 kombinacje praktyk konserwacyjnych do wykonania. Następnie należy wybrać podzbiór bazowy SP A two archive baseline, aby przeprowadzić optymalizację wielokryterialną przy użyciu algorytmu ewolucyjnego SP A two. W pierwszej kolejności, w sekcji preset, należy wybrać zlewnię do optymalizacji; kliknięcie przycisku apply wybiera wpisy z pliku presetów watershed presets dot csv, aby uzupełnić wartości sterujące na tym ekranie.Następnie w sekcji zmiennej wyjściowej (output variable) należy wybrać cele środowiskowe do optymalizacji. Wybrane parametry N outlet i P outlet definiują trójwymiarową funkcję celu: pięcioletnią średnią zawartości azotu na wylocie, pięcioletnią średnią zawartości fosforu na wylocie oraz całkowity koszt działań ochronnych.Doprowadzi to do utworzenia trójwymiarowego zbioru frontu kompromisów przy ustawieniu początkowej wielkości populacji na 60. Określa to początkową liczbę rozwiązań kandydujących, gdy wybierany jest ziarno z każdą opcją allelu. Tworzone są rozwiązania kandydujące reprezentujące jednolite zastosowanie każdej praktyki ochronnej określonej w zbiorze alleli do wszystkich hydrologicznych jednostek odpowiedzi gruntów ornych w zlewni.W pierwszej kolejności pozostałe rozwiązania kandydujące są tworzone poprzez losowe przypisanie praktyk konserwatorskich ze zbioru alleli do gruntów ornych HR. Wybierając ziarno dla każdej opcji allela, należy upewnić się, że początkowa wielkość populacji, która w tym pokazie wynosi 60, jest co najmniej tak duża, jak liczba alleli w zbiorze alleli, która wynosi 23. W tym pokazie ustaw pożądaną liczbę generacji lub iteracji dla procesu optymalizacji w tym przykładzie na 125. Gdy dwa rozwiązania kandydujące zostaną wybrane w celu utworzenia nowych rozwiązań kandydujących, prawdopodobieństwo krzyżowania określa prawdopodobieństwo utworzenia odrębnych nowych rozwiązań.W tej demonstracji prawdopodobieństwo krzyżowania ustawiono na jeden. Wielkość populacji tymczasowej określa liczbę tworzonych nowych rozwiązań kandydujących. Zasoby procesora są wykorzystywane najefektywniej, gdy wartość ta jest liczbą całkowitą będącą wielokrotnością liczby wątków procesora; do tej demonstracji wybrano wartość 16.Prawdopodobieństwo mutacji jest prawdopodobieństwem przypadkowej zmiany przypisania HRU do innej praktyki ochrony. W oparciu o zestaw alleli zostało ono ustawione na 0,003. W tej demonstracji należy wybrać liczbę użytych wątków lub procesorów, która wynosi 16.W tej demonstracji czynnik kalibracji numeru krzywej o wartości jeden jest dostarczany z kalibracji modelu zamiany. Na koniec wybierz opcję zapisz populację w pliku tekstowym. Zaznaczenie tej opcji generuje plik tekstowy z wartościami alleli każdego HRU w każdym przeżywszym rozwiązaniu kandydackim.Jest to istotne dla ponownego uruchomienia procesu optymalizacji po zakończeniu określonej liczby iteracji. Po zakończeniu uruchomienia, cały zestaw rozwiązań efektywnych w sensie Pareto lub granica kompromisu (trade-off frontier) może zostać zwizualizowany poprzez wykonanie następujących kroków. Uruchom genetic.W programie SWAT przejdź do menu Plik, a następnie wybierz Otwórz, aby otworzyć bazę danych IWA: raccoon GA.mdb. Przejdź do Plik, Eksportuj, a następnie Eksportuj listę HRU; zapisz plik jako raccoon allele, HRU.txt. Uruchom program map, swat.exe, wybierz Wykonaj, a następnie Animacja 3D, aby wygenerować animację trójwymiarowej granicy kompromisu, która zestawia poziomy azotu N na wylocie na osi czerwonej oraz poziomy fosforu P na wylocie na osi niebieskiej z sumarycznym kosztem praktyk ochronnych we wszystkich podzlewniach.Na zielonej osi wynikiem jest seria plików, które można jednocześnie wyrenderować do plików obrazów. Używając programu POV ray, obrazy te można również połączyć w film przedstawiający postęp algorytmu poprzez uruchomienie skanera klatek xe. Każdy punkt na froncie reprezentuje konfigurację linii podziału wód.Jest to konkretny przydział praktyk konserwacyjnych w krajobrazie. Wiele z tych konfiguracji można wyświetlić dla całej granicy, wykonując następujące kroki. Uruchom, map, swat, xe, wybierz execute, a następnie map animation.Ramki po lewej stronie przedstawiają dwuwymiarowe rzuty frontu, a linie przerywane oznaczają położenie wybranego konkretnego rozwiązania. Mapa przedstawia dominującą praktykę konserwatorską zalecaną przez algorytm. W każdym przypadku legenda identyfikuje wybrane praktyki konserwatorskie.Często kwestią interesującą jest wybór konkretnej konfiguracji zlewni lub pojedynczego rozwiązania, które pozwala osiągnąć określony zestaw celów dotyczących jakości wody. Na przykład, rozwiązanie redukujące azot o 30% i fosfor o 30% w stosunku do mapy obciążeń bazowych. SWAT umożliwia przeszukiwanie granicy w poszukiwaniu rozwiązania o minimalnej odległości EUKLIDESOWEJ od określonego celu. Aby wybrać konkretne konfiguracje zlewni lub rozwiązania osiągające określone cele jakości wody, należy uruchomić program map swat dot exe, a następnie wybrać opcję execute i search.Wprowadź minimalną wartość docelową wynoszącą zero. W tym przykładzie maksymalna wartość docelowa wynosi 100, a interwał docelowy wynosi 10. W tym przykładzie, w polu procentowej redukcji obok wartości bazowej 30, wprowadź konkretną wartość procentowej redukcji azotu względem poziomu bazowego.W tym przykładzie należy następnie wpisać procentową redukcję fosforu w polu procentowej redukcji obok wartości bazowej dla fosforu, również 30. W tym przykładzie program map swat wygeneruje wynik w wyskakującym oknie; należy kliknąć kopiuj, tekst, a następnie wkleić go do arkusza kalkulacyjnego.Wygenerowano trzy tabele: w pierwszej znajdują się osobniki najbliższe celom N i P przy tym samym procencie redukcji, który mieści się w zakresie od T in do tmax przez t int. Bezpośrednio poniżej, w drugiej tabeli, pojawia się pojedynczy osobnik najbliższy docelowej specyfikacji N (N spec) i specyfikacji P (P spec), a następnie najbliższe osobniki, w których cel P mieści się w zakresie od team in do Tmax, podczas gdy N pozostaje stałe w pobliżu end spec. Trzecia tabela przedstawia osobniki najbliższe celom końcowym w zakresie od team in do Tmax, podczas gdy P pozostaje stałe w pobliżu P spec.W tym przypadku osobnikiem najbliższym 30% redukcji końcowej był ID 84 23 z wartością końcową 14, 639, 660. Poniżej znajduje się mapa przedstawiająca przestrzenny rozkład praktyk konserwatorskich oraz lokalizację tej konfiguracji zlewni na granicy kompromisu po jej opracowaniu. Technika ta utorowała drogę badaczom z zakresu gospodarki zlewniami i ekonomii środowiska do poszukiwania bardziej efektywnych kosztowo sposobów osiągania celów środowiskowych w zlewniach oraz do ulepszenia projektowania polityk opartych na mechanizmach rynkowych.

spatial-multiobjective-optimization-agricultural-conservation

Research

JoVE Journal

Biology

Biologia

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

Istnieje krytyczne zapotrzebowanie na narzędzia i metodologie zdolne do zarządzania systemami wodnymi w obliczu niepewnych przyszłych warunków. Zapewniamy metody przeprowadzania ukierunkowanej oceny zlewni, które umożliwiają zarządzającym zasobami tworzenie modeli skumulowanych skutków opartych na krajobrazie do wykorzystania w ramach zarządzania analizą scenariuszy.

Planowanie działu wodnego w ramach ilościowej analizy scenariuszy

Pokazujemy użyteczność danych teledetekcyjnych i nowo opracowanego oprogramowania do wspomaganego modelowania siedlisk (SAHM) w przewidywaniu występowania gatunków inwazyjnych w krajobrazie. Zespół modeli predykcyjnych stworzył bardzo dokładne mapy inwazji tamaryszku (Tamarix spp.) w południowo-wschodnim Kolorado w USA, po ocenie za pomocą późniejszych walidacji w terenie.

Integracja teledetekcji z modelami rozmieszczenia gatunków; Mapowanie inwazji tamaryszków za pomocą oprogramowania do wspomaganego modelowania siedlisk (SAHM)

Charles Taylor i John Marshall wyjaśniają użyteczność modelowania matematycznego w ocenie skuteczności strategii zastępowania populacji. Przedstawiono sposób, w jaki modele obliczeniowe mogą dostarczać informacji na temat dynamiki populacji komarów oraz rozprzestrzeniania się elementów transpozycyjnych w obrębie podgatunków A. gambiae. Omówiono również kwestie etyczne związane z uwalnianiem genetycznie zmodyfikowanych komarów do środowiska naturalnego.

Przewidywanie skuteczności strategii zastępowania populacji z wykorzystaniem modelowania matematycznego

Opisujemy zmodyfikowany protokół hybrydyzacji in situ z użyciem DIG, który jest szybki i możliwy do zastosowania u szerokiego zakresu gatunków roślin, w tym u świerka pospolitego. Dzięki kilku korektom, obejmującym m.in. zmienioną obróbkę RNazą oraz stężenie proteinazy K, protokół ten może być wykorzystywany w badaniach różnych tkanek i gatunków.

Protokół niepromiennej hybrydyzacji in situ stosowalny dla świerka pospolitego i szeregu gatunków roślin

Fopius arisanus jest parasitoidem jaj i larw muszek owocówek z rodziny Tephritidae, który jest z sukcesem wykorzystywany w biologicznej kontroli tych istotnych tropikalnych szkodników. Opisujemy tutaj zoptymalizowany protokół hodowli F. arisanus na małą skalę z wykorzystaniem łatwo dostępnych materiałów.

Zoptymalizowany protokół hodowli Fopius arisanus, parasytoida much owocówek z rodziny Tephritidae

Obuzd Parhyale hawaiensis jest obiecującym organizmem modelowym do badań embriologii skorupiaków oraz porównawczego rozwoju i ewolucji stawonogówów. Protokół ten opisuje metodę ręcznego usuwania pojedynczych blastomerów z zarodków Parhyale we wczesnym stadium rozszczepienia.

Ablacja pojedynczej komórki z ośmiokomórkowych zarodków skorupiaka z rodziny Amphipod Parhyale hawaiensis

Ca2+ reguluje różnorodne procesy biologiczne w roślinach. W tym miejscu przedstawiamy podejścia do monitorowania przestrzennych i czasowych sygnałów Ca2 + wywołanych stresem abiotycznym w komórkach i tkankach rzodkiewnika przy użyciu genetycznie kodowanych wskaźników Ca2 + Aequorin lub Case12.

Pomiar przestrzennych i czasowych sygnałów Ca2+ u rzodkiewnika

Przedstawiono protokół badania zachowań godowych nicienia sosnowego, Bursaphelenchus xylophilus. Cechy behawioralne B. xylophilus są opisane w procesie krycia.

Obserwacja i kwantyfikacja zachowań godowych nicieni sosnówki, Bursaphelenchus xylophilus

Nielityczne systemy ekspresji komórek owadów są niedostatecznie wykorzystywane do produkcji, transportu/lokalizacji komórkowej i analizy funkcjonalnej białek rekombinowanych. W tym miejscu opisujemy metody generowania wektorów ekspresyjnych i późniejszej przejściowej ekspresji białek w dostępnych na rynku liniach komórkowych lepidoptera. Przedstawiono również kolokalizację akwaporyn Bemisia tabaci z subkomórkowymi białkami markerowymi fluorescencyjnymi.

Przejściowa ekspresja i lokalizacja komórkowa rekombinowanych białek w hodowanych komórkach owadów

Badania biologii dostarczają cennych informacji na temat procesów reprodukcyjnych, fizjologicznych, embriologicznych i rozwojowych, które napędzają organizmy wielu grup taksonomicznych. W tym miejscu przedstawiamy obszerny przewodnik po różnych metodologiach, które można wykorzystać do badania kontroli i monitorowania jajników u.

Techniki rozrodu do monitorowania i kontroli jajników u

Odkryj metodę przestrzennej wielozadaniowej optymalizacji rolniczych praktyk ochronnych przy użyciu modelu SWAT i algorytmu ewolucyjnego. To podejście pozwala na efektywne osiąganie celów jakości wody przy minimalnych kosztach inwestycji.

Przestrzenna wielokryterialna optymalizacja praktyk ochrony rolnictwa z wykorzystaniem modelu SWAT i algorytmu ewolucyjnego

Przeglądaj więcej filmów