Otimização Multiobjetivo espacial das práticas agrícolas de conservação, utilizando um modelo SWAT e um algoritmo evolutivo

Summary

Este trabalho demonstra uma integração de um modelo de qualidade de água com um componente de otimização utilizando algoritmos evolucionários para resolver para ótima (menor custo) a colocação de práticas de conservação agrícolas para um determinado conjunto de objectivos de melhoria da qualidade da água. As soluções são gerados através de uma abordagem multi-objetivo, permitindo a quantificação explícita de compensações.

Abstract

Encontrar o custo-eficiente (ou seja, de menor custo) formas de prática de conservação visando investimentos para a realização de metas específicas de qualidade da água em toda a paisagem é de importância fundamental na gestão de bacias hidrográficas. Os métodos tradicionais de economia de encontrar a solução de menor custo no contexto das bacias hidrográficas (por exemplo, ^5,12,20) assumem que fora do local de impacto pode ser bem descrita como uma proporção de no local poluição gerada. Tais abordagens não são susceptíveis de ser representativa do processo de poluição real em uma bacia hidrográfica, onde os impactos das fontes poluidoras são muitas vezes determinadas por processos biofísicos. O uso de modernas fisicamente baseados, espacialmente distribuídos modelos de simulação hidrológica permite um maior grau de realismo em termos de representação, mas requer um processo de desenvolvimento de um sistema de simulação-otimização, onde o modelo se torna parte integrante da otimização.

Evoluçãoalgoritmos ary parecem ser uma ferramenta de optimização particularmente útil, capaz de lidar com a natureza combinatória de um problema de simulação de optimização da bacia e permitindo o uso do modelo completo da qualidade da água. Algoritmos evolucionários tratar uma alocação espacial particular de práticas de conservação em uma bacia hidrográfica como uma solução candidato e utilizar conjuntos (populações) de soluções candidatos iterativamente aplicando operadores estocásticos de seleção, recombinação e mutação para encontrar melhorias com relação aos objetivos de otimização. Os objetivos de otimização neste caso são para minimizar a poluição difusa na bacia, ao mesmo tempo minimizando o custo de práticas de conservação. Um conjunto recente e em expansão de pesquisa é a tentativa de usar métodos similares e integra modelos de qualidade de água com amplamente definidos métodos de otimização evolucionárias ^{3,4,9,10,13-15,17-19,22,23,25.} Nesta aplicação, é mostrado um programa que segue Rabotyagov et al. 'S adeach e integra um ⁷ moderno e comumente usado SWAT modelo de qualidade de água com um algoritmo evolutivo multiobjetivo SPEA2 ^26, e especificado pelo usuário conjunto de práticas de conservação e seus custos para procurar as fronteiras tradeoff entre os custos completos de práticas de conservação e especificado pelo usuário da qualidade da água objetivos. As fronteiras quantificar as vantagens e desvantagens enfrentadas pelos gestores de bacias hidrográficas através da apresentação de toda a gama de custos associados com vários objetivos de melhoria da qualidade da água. O programa permite uma seleção de configurações de mananciais de água atingir determinados objetivos de melhoria da qualidade e uma produção de mapas de posicionamento otimizado de práticas de conservação.

Protocol

1. Prepare modelo de Bacias Hidrográficas e fornecer dados de entrada para a optimização

1. Criar um banco de dados i_SWAT
   1. Usando um programa chamado "rotador", construir o banco de dados de bancos de dados de entrada múltiplos, incluindo solos, clima, gestão e fertilizantes.
   2. Alternativamente, uma corrida SWAT existente (possivelmente criado com ArcSWAT ou AVSWAT) podem ser importados com i_SWAT.exe. Neste caso, o programa "swat_rewrite" pode ser usado para substituir a gestão de informação ou outra HRU base no campo de dados de nível.
   3. Calibração e validação do modelo SWAT deve ser realizada nesta altura. O modelo SWAT (versão de 2005), incorporado no interior deste rio quadro Watershed Raccoon modelagem EA foi originalmente calibrado e validado para um total diário de estudo de Carga Máxima (TMDL) como descrito por Jha et al. (2010). Calibração adicional e validação do modelo SWAT foi conduzido em apoio do desenvolvimento de um plano mestre Raccoon Rio Watershed, como descritocama em Agren, Inc. (2011), que é o modelo SWAT que foi utilizado para o presente estudo.
   4. Usar uma versão modificada do SWAT2005.exe, chamado SWAT2005GA.exe.
2. Prepare o arquivo "presets.csv divisor de águas" - Este é um arquivo de texto armazenar muitas das configurações específicas para a bacia hidrográfica do guaxinim. Ele é lido por GeneticiSWAT e MapSWAT abaixo para definir vários controles e campos de dados para a bacia com um clique.
3. Prepare os custos dos elementos da prática de conservação. Para este exemplo, estes são armazenados na tabela [Custos de Prática - Guaxinim por County] em um banco de dados "custos prática por sub-bacia Josh.mdb".

O custo total de uma solução candidata é a soma dos custos das práticas de conservação aplicados a unidades de bacias hidrográficas ("unidades de resposta hidrológica", ou HRUs). O programa de otimização considera uma alocação ótima de uma prática de conservação único de um determinado conjunto de práticas de conservação em cada HRU terras agrícolas na bacia. A sets de práticas de conservação de possíveis atribuídos a um HRU são chamados de conjuntos de alelos.

4. Criar SWAT pastas. Para esta corrida, 16 CPUs foram usadas, ou seja, 16 cópias de SWAT2005GA.exe foram executados em 16 pastas separadas (o mesmo se aplica para sistemas com processadores menos, por exemplo, quatro pastas devem ser criadas para um "quad-core" do processador).

2. Selecione parâmetros de otimização

1. Optimization é controlada pelo programa chamado "GeneticISWAT". Para executar GeneticISWAT.exe otimização, aberto.
   1. Vá em "Arquivo", depois "Open" e selecione o banco de dados i_SWAT "Raccoon GA.mdb".
   2. Vá em "Arquivo", depois em "Configuração" para atribuir os caminhos para SWAT executáveis ​​modelo (SWAT2005GA.exe).
   3. Vá em "Executar", depois em "Selecionar Set Alelo". Esta etapa determina as combinações de práticas de conservação utilizados na otimização. Para esta corrida, alelo set # 14 foi usado, que tem 23 combinações de práticas de conservação. Av.conjuntos de alelos ailable são armazenadas no ficheiro de configuração "Alleles.csv".
   4. Vá em "Executar", em seguida, selecione "SPEA2 Subconjunto Base Arquivo Consciente" para executar a otimização multiobjetivo usando o algoritmo SPEA2 evolutiva.

Figura 1. Definição de objetivos e parâmetros de otimização.

Otimização de parâmetros a serem selecionados:

Preset: Selecione a bacia hidrográfica a ser otimizado. Ao clicar em "Aplicar" seleciona as entradas do arquivo de presets "presets.csv divisor de águas" para preencher valores de controle na tela.

Variável de saída: Selecione os objectivos ambientais para otimização. Como selecionados (N Outlet, P Outlet), isso define uma função objetiva 3-dimensional: Nitrogênio (N orgânico + NO3 + NH4 + NO2) em média por 5 anos na saída, Fósforo (Organic P + P Mineral) em média por 5 anos na saída, eo custo total de práticas de conservação. Note-se que isso vai criar uma fronteira tradeoff 3-dimensional. Variáveis ​​de saída alternativas pode ser seleccionada, em que o programa é minimizar multiobjetivo (variável de saída {}, Custo Total).

Tamanho da população: Conjunto de tamanho da população inicial. Isto determina o número inicial de soluções de candidatos. Quando "Semente com cada alelo" opção for selecionada, as soluções de candidatos que representam uma aplicação uniforme de cada prática de conservação especificado no alelo definido para todos os HRUs terras agrícolas na bacia são criados primeiro. As soluções candidatos restantes são criados por uma atribuição aleatória de práticas de conservação do alelo definido para lavouras HRUs. Quando se selecciona o "Semente com cada alelo" opção, é necessário para garantir que o tamanho da população inicial é pelo menos tão grande quanto o número de alelos em um conjunto de alelos (23 nesta demonstração).

Número de gerações: Defina o número desejado de gerações (iterações) para a execução de otimização (note que a execução pode ser reiniciado).

Probabilidade de cruzamento: Quando duas soluções candidatos são selecionados para a criação de soluções de novos candidatos, probabilidade de cruzamento especifica a probabilidade de que novas soluções distintas são criados (definido como 1 para esta demonstração).

Tamanho da população temporário: Determina o número de soluções candidatas novos criados. Recursos de processador são usadas com mais eficiência quando esse valor é um múltiplo inteiro do número de segmentos de processador (16, nesta demonstração).

Probabilidade de mutação: Especifique a probabilidade de mudança aleatória na atribuição HRU para outra prática de conservação do conjunto alelo. (Ela é definida como 0,03 para esta demonstração).

Número detópicos: Selecione o número de processadores ou fios usados. 16 é usado nesta demonstração.

Curva de fator de calibração n º: Este é fornecida a partir da calibração do modelo SWAT.

População salvar em arquivo de texto: Isso é importante para selecionar se se deseja reiniciar a otimização executado após o número especificado de iterações seja concluída. Ao marcar esta opção produz um arquivo de texto com os valores de alelos de cada HRU em cada solução candidata sobreviver (individual). Isto pode ser lido de volta para reiniciar e continuar a correr.

Secundárias parâmetros de otimização

Primeiro Ano: Deve ser definido como um ano após o início de informações sobre o tempo histórico, e não depois de 7 anos antes do final dos dados.

Preço do milho: Usado com a equação de perda de rendimento para estimar o custo das reduções de fertilizantes.

Método de Classificação: SPEA2 Arquivo. Pontuação determina a probabilidade de um indivíduo sobreviver é para ser selecionado para crossover.

Método de purga: Dominado. Indivíduos que são piores em todas as três dimensões são dominadas e purgado.

Fonte HUC: Definir a "especificado", ou seja, o valor "7100006" a partir do seguinte campo "Watershed HUC" é usado para encontrar uma linha na tabela Zona HUC. O valor "07100006" é o código de oito dígitos HUC para a bacia do Raccoon.

Fonte Custo: Ajuste para "County (HRU Código de Localização)" para indicar que outros custos do que a PCR será determinado por códigos municipais FIPS na tabela de custos prática acima.

Custo Fonte CRP: Ajuste para "Localização 1" para indicar que o custo CRP será determinado por códigos municipais FIPS na tabela de custos prática acima.

3. Resultados representativos

GeneticiSWAT.exe produz um ficheiro de registo que as definições e os resultados para todas as soluções de candidatos (indivíduos), bem como um "salvamento" ficheiros que codifica os resultados do algoritmo de iteração final, e que pode ser utilizado para reiniciar o funcionamento de optimização.

Neste ponto, pode-se visualizar todo o conjunto de Pareto-eficientes soluções (a fronteira troca), seguindo os passos abaixo:

1. Executar GeneticiSWAT;
   1. Vá em "Arquivo", depois "Open" para abrir o banco de dados i_SWAT "Raccoon GA.mdb".
   2. Vá em "Executar", depois em "Exportar lista HRU". Salvar arquivo como "HRU.txt Alelo Raccoon".
2. Produzir uma animação executando Mapswat.exe, selecionando "Executar" e "Animação 3D".

Figura 2. Screenshot para a criação de "instantâneos" para 3-dimensional visualização fronteira.

A saída é uma série de arquivos que podem ser prestados de uma só vez em arquivos de imagem usando o POV-RAY programa e selecionar "Render", depois em "fila de arquivo". As imagens podem ser usadas sozinhas ou combinadas em um filme mostrando a progressão do algoritmo.

Figura 3. Visualização estática da fronteira troca.

Se desejar, um filme que mostra a progressão algoritmo pode ser criado através da execução "Framescanner.exe" e seguindo estes passos:

1. Vá em "Arquivo", depois em "New" e depois em "File", depois em "Import", depois em "Arquivos PNG". Selecione as imagens estáticas.
2. Para criar um filme, vá em "Arquivo", depois em "Exportar", depois em "AVI".
3. Selecione codec "DIB" para criar arquivos AVI de lotes de imagemarquivos.

Cada ponto na fronteira representa uma configuração de divisor de águas (a atribuição específica de práticas de conservação em uma paisagem). Mapas dessas configurações pode ser visto por toda a fronteira, seguindo estes passos:

1. Executar Mapswat.exe, selecione "Executar", depois em "Animação mapa".
2. Selecione "Raccoon" da lista predefinida e clique em "Aplicar".
3. Selecione "Layout 7 (Raccoon)" da lista Layout Mapa, clique em "OK".

Figura 4. Screenshot da criação de um mapa de cada indivíduo na fronteira final.

Exportadores de configurações específicas de bacias hidrográficas (indivíduos) de interesse.

Muitas vezes, uma questão de interesse é selecionar configurações específicas de bacias hidrográficas (indivíduos) atingir os objectivos de qualidade específicos de água. Por exemplo, pode-se desejar encontrar um individual na fronteira que reduz em 30% de azoto e de fósforo em 20% em relação a cargas de linha de base. MapSWAT permite pesquisar a fronteira para o indivíduo com a menor distância euclidiana para o objetivo especificado. Isto pode ser feito da seguinte forma:

1. Abra MapSWAT.exe. Selecione "Executar" | "Pesquisa".

Figura 5. Screenshot de procurar por uma pessoa específica na fronteira com base em objectivos de qualidade da água.

2. Inserir mínima e máxima redução alvos Tmin e Tmax, bem como um intervalo Tint. Também introduzir um por cento de redução específica em Nitrogênio (NSpec) desde o início no "% de redução" espaço ao lado da linha de base N, e redução por cento em Fósforo (Pspec) no "% de redução" próximo à linha de base de fósforo. O programa produz uma saída em uma tela pop-up:

Figura 6. Screenshot da produção de pesquisa

3. Clique em "Copiar texto" e colar em uma planilha. Três tabelas são produzidos. No primeiro estão as pessoas mais próximo a N e P metas de redução mesma porcentagem, que varia de Tmin a Tmax por Matiz. Logo abaixo esta a única pessoa mais próxima ao alvo (NSpec, Pspec) aparece. Em segundo lugar, uma tabela dando mais próximo indivíduos onde os intervalos alvo de P entre Tmin a Tmax enquanto N é mantida constante perto NSpec. Em terceiro lugar, uma tabela que dá os indivíduos mais próximos alvos N variando de Tmin a Tmax, enquanto P é mantida constante perto Pspec. Neste caso, o mais próximo indivíduo a uma redução de 30% de N foi ID 8423 com um valor de N 14,637,279.60. Aqui é o mapa que mostra a distribuição espacial das práticas de conservação e a localização desta configuração divisor de águas na fronteira compensação:

files/ftp_upload/4009/4009fig7.jpg "alt =" Figura 7 "/>
Figura 7. Screenshot de um mapa de amostra descrevendo o indivíduo selecionado na fronteira. Clique aqui para ver maior figura .

Exportação de dados de mapas para análise posterior é possível, seguindo estes passos:

1. Executar Mapswat.exe, selecione "Executar", depois em "Dados de Mapa de Exportação".
2. Selecione "Raccoon" da lista predefinida e clique em "Aplicar".
3. Digite o ID de uma configuração de bacias hidrográficas (individual) (8.423 mostrado), verifique "Mostrar Propriedades dos alelos" e "Custos Show" e clique em "OK". Estes dados podem ser usados ​​para criar mapas personalizados da configuração das bacias hidrográficas selecionado usando um programa de SIG.

Nome do programa	Fonte	Descrição
Rotor	CARTÃO
Swat2005GA.exe	USDA Pastagem, Solo e Água Laboratório de Pesquisa	Modelo de simulação de bacias hidrográficas
i_SWAT.exe	CARTÃO	SWAT interface de banco de dados
GeneticISWAT.exe	CARTÃO	Controlador SWAT evolutiva algoritmo. Incorpora Galib de http://lancet.mit.edu/ga/ .
MapSWAT.exe	CARTÃO	Lê dados i_SWAT e shapefiles, produz imagens de gerações e indivíduos.
POV-Ray	Povray.org	Persistência de visão raytracer.
Framescanner.exe	Todd Campbell	PNG imagem para AVI Converter
Windows Live Movie Maker	Microsoft	Usado para comprimir AVI WMV

Cria e preenche um banco de dados i_SWAT com o solo, clima e gestão de dados de uma bacia hidrográfica.

Tabela 1. Tabela de programas necessários.

Nome do Arquivo	Tipo	Descrição
Raccoon GA.mdb	Banco de dados Access	Estrutura e gestão de bacias hidrográficas descrições de Raccoon. Leia por GeneticiSWAT e MapSWAT.
presets.csv bacia	Texto	Predefinições de configuração para GeneticiSWAT.exe e MapSWAT
Alleles.csv	Texto	Lista de alelo define para o algoritmo evolutivo.
HRU.txt Alelo Raccoon	Texto	Arquivo criado por GeneticISWAT listando os alelos determinados como terras cultiváveis. Leia por MapSWAT.
Custos prática por sub-bacia Josh.mdb	Access Database	Custos por práticas de gestão e do concelho.
Terraço Zones.mdb	Access Database	Tabela [HUC Dados] detém o terraço e números de zona de rendimento para a bacia hidrográfica.
NRI Budgets.mdb	Access Database	Leia por GeneticISWAT.exe para colheita e máquina de tabelas que não são utilizados nesta corrida.
phucrp 2008-12-15.dat	Texto	Planta Calor tabela de pesquisa da Unidade, não utilizado na presente execução.
Management.mdb	Access Database	Mesa de rotação de pesquisa, não utilizado na presente execução.
Raccoon GA 2011/09/28 1313.log, Raccoon GA 2011/09/29 0732.log, Raccoon GA 2011/10/07 0644.log	Texto	Os arquivos de log de corrida GeneticISWAT.
Raccoon GA.wmv	Animação	Display 3D de indivíduos por geração
Subbasin.shp	ESRI Shapefile	Contornos de sub-bacias da bacia hidrográfica.
Raccoon Map.wmv	Animação	Exibição de alelos dominantes para cada sub-bacia para cada indivíduo na fronteira.

Tabela 2. Tabela de arquivos de amostra necessária.

Discussion

Nós construímos um sistema de simulação-otimização integrada para procurar Pareto-eficientes conjuntos de configurações de bacias hidrográficas que envolvem menor custo e localização mistura de práticas de conservação agrícolas para alcançar uma série de objetivos de nível de bacias hidrográficas redução de nutrientes. Um diagrama conceptual do sistema de simulação de optimização, é apresentado na Figura 8. Simulação de bacias hidrográficas, incluindo a simulação dos impactos da qualidade da água de prá...