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

O objetivo geral do experimento a seguir é demonstrar o método de otimização multiobjetivo das práticas de conservação em uma bacia hidrográfica usando um sistema de otimização de simulação envolvendo o modelo de processo de bacia hidrográfica e um algoritmo evolutivo. A questão geral é como alocar práticas de conservação agrícola em uma bacia hidrográfica. Assim, os objetivos de qualidade da água são alcançados com o menor custo.

Várias práticas de conservação são possíveis em cada campo, e vários objetivos de qualidade da água podem ser importantes. Uma atribuição específica de práticas de conservação pode ser simulada por um modelo de processo de bacia hidrográfica. Para atingir a meta de otimização primeiro, selecione um modelo de processo de bacia hidrográfica calibrado e validado e representações de modelo de práticas de conservação.

Como segundo passo, são selecionados os objetivos ambientais a serem maximizados e os custos das práticas de conservação são obtidos, o que permite que o componente de algoritmo evolutivo que busca otimizar simultaneamente ao longo dos objetivos ambientais e de custo seja invocado. Em seguida, a seleção dos parâmetros que controlam a otimização é feita para realizar a otimização multiobjetivo. Esses dois componentes, simulação e otimização, são integrados em um sistema de otimização de simulação chamado resultados genéticos I swat são obtidos que mostram o conjunto ideal de configurações de bacias hidrográficas em termos de colocações de práticas de conservação, que quantifica as compensações entre as metas ambientais e o custo dos investimentos em conservação e permite a seleção de uma configuração espacial específica de práticas de conservação com base nos objetivos ou custos ambientais desejados.

A principal vantagem desta técnica sobre os métodos existentes, como avaliação de cenários de práticas de conservação simples ou otimização da escolha de práticas de conservação com base na representação de práticas simplificadas, é que ela integra o modelo de processo de bacia hidrográfica baseado em física na decisão de otimização de uma forma flexível e intuitivamente compreensível. Esse método pode ajudar a responder a questões-chave nos campos de gestão de bacias hidrográficas e economia ambiental, como onde concentrar os investimentos públicos em práticas de conservação ou como estruturar políticas baseadas no mercado, como leilões reversos para práticas de conservação ou um programa de comércio de qualidade da água. No contexto da poluição de fontes não pontuais, os parâmetros de otimização são selecionados após a preparação de um modelo de bacia hidrográfica e os dados de entrada para otimização, desde que a otimização seja controlada por um programa chamado Genetic Iwo.

Para iniciar este procedimento, abra o arquivo genético iwo dot exe e, em seguida, abra e selecione o banco de dados I SWAT, raccoon GA dot mdb go to file e, em seguida, configure para atribuir os caminhos a serem trocados. Os executáveis do modelo vão para executar e selecionar o conjunto de alelos. Esta etapa determina as combinações de práticas de conservação usadas na otimização.

Para esta execução será utilizado o conjunto de alelos número 14, que tem 23 combinações de práticas de conservação a serem executadas. Em seguida, selecione o subconjunto com reconhecimento de linha de base de dois arquivos SP A para executar a otimização multiobjetivo usando o algoritmo evolutivo SP A dois. Primeiro, em predefinição, selecione a bacia hidrográfica a ser otimizada guaxinim clicando em aplicar seleciona entradas do arquivo de predefinições bacia hidrográfica predefinições dot csv para preencher os valores de controle nesta tela.

Em seguida, em variável de saída, selecione os objetivos ambientais para otimização. A saída N selecionada A saída P define uma função objetivo tridimensional. O nitrogênio foi em média por cinco anos na saída, o fósforo em média por cinco anos na saída e o custo total das práticas de conservação.

Isso criará uma fronteira de trade-off tridimensional que define o tamanho inicial da população em 60. Isso determina o número inicial de soluções candidatas quando a opção de semente com cada alelo é selecionada. São criadas soluções candidatas que representam uma aplicação uniforme de cada prática de conservação especificada no conjunto de alelos para todas as unidades de resposta hidrológica de terras agrícolas na bacia hidrográfica.

Primeiro, as soluções candidatas restantes são criadas por uma atribuição aleatória de práticas de conservação do conjunto de alelos para HR de terras agrícolas. Ao selecionar a semente com cada opção de alelo, certifique-se de que o tamanho inicial da população, que é 60 nesta demonstração, seja pelo menos tão grande quanto o número de alelos em um conjunto de alelos, que é 23. Nesta demonstração, defina o número desejado de gerações ou iterações para a execução de otimização neste exemplo como 125. Quando duas soluções candidatas são selecionadas para criar novas soluções candidatas, a probabilidade de cruzamento especifica a probabilidade de que novas soluções distintas sejam criadas.

Para esta demonstração, a probabilidade de cruzamento é definida como um. O tamanho da população temporária determina o número de novas soluções candidatas criadas. Os recursos do processador são usados com mais eficiência quando esse valor é um inteiro, o múltiplo do número de threads do processador 16 é selecionado para esta demonstração.

A probabilidade de mutação é a probabilidade de mudança aleatória na atribuição de HRU a outra prática de conservação. A partir do conjunto de alelos, ele é definido como 0,003. Para esta demonstração, selecione o número de threads ou processadores usados, que é 16.

Nesta demonstração, o fator de calibração do número da curva de um é fornecido a partir da calibração do modelo de troca. Por fim, selecione salvar população no arquivo de texto. Marcar essa opção produz um arquivo de texto com os valores de alelo de cada HRU em cada solução candidata sobrevivente.

Isso é importante para reiniciar a execução da otimização após a conclusão do número especificado de iterações. Após a execução, todo o conjunto de soluções eficientes de Pareto ou a fronteira de trade-off pode ser visualizado seguindo estas etapas. Execute a genética.

Eu swat, ir para o arquivo, em seguida, abrir para abrir o banco de dados I IWA, guaxinim GA dot mdb. Vá para exportação de arquivo, depois exporte a lista HRU, salve o arquivo como alelo de guaxinim, HRU dot T XT run map, swat dot xe, selecione executar e, em seguida, animação 3D para produzir animação da fronteira de trade-off tridimensional, que coloca os níveis de nitrogênio de saída N no eixo vermelho contra os níveis de fósforo de saída P no eixo azul contra o custo somado das práticas de conservação. Em todas as sub-bacias.

No eixo verde, a saída é uma série de arquivos que podem ser renderizados de uma só vez em arquivos de imagem. Usando o programa de raios POV, as imagens também podem ser combinadas em um filme que mostra a progressão do algoritmo executando o scanner de quadros xe. Cada ponto na fronteira representa uma configuração de bacia hidrográfica.

Essa é uma atribuição específica de práticas de conservação em uma paisagem. Muitas dessas configurações podem ser vistas para toda a fronteira seguindo estas etapas. Execute, mapeie, golpeie, xe, selecione executar e, em seguida, mapeie a animação.

As caixas do lado esquerdo mostram as projeções bidimensionais da fronteira e as linhas tracejadas denotam a posição da solução específica escolhida. O MAP mostra a prática de conservação prescrita pelo algoritmo dominante. Em cada um deles, a legenda identifica as práticas de conservação escolhidas.

Muitas vezes, uma questão de interesse é selecionar uma configuração específica de bacia hidrográfica ou um indivíduo que atinja um conjunto específico de objetivos de qualidade da água. Por exemplo, um indivíduo reduzindo o nitrogênio em 30% e o fósforo em 30% em relação ao mapa de cargas da linha de base. O SWAT nos permite pesquisar na fronteira um indivíduo com a distância EUCLIDIANA mínima para o objetivo especificado Para selecionar configurações específicas de bacias hidrográficas ou indivíduos que atingem objetivos específicos de qualidade da água, abra o mapa swat dot exe e selecione executar e pesquisar.

Insira um zero mínimo de destino. Neste exemplo, um alvo máximo 100 neste exemplo, bem como um intervalo alvo 10. Neste exemplo, insira uma porcentagem específica de redução de nitrogênio da linha de base no espaço de porcentagem de redução ao lado da linha de base final 30.

Neste exemplo. Em seguida, insira a redução percentual de fósforo na redução percentual ao lado da linha de base de fósforo, também 30. Neste exemplo, o programa map swat produzirá a saída em uma tela pop-up, clique em copiar, texto e cole em uma planilha.

Três tabelas são produzidas na primeira são indivíduos mais próximos de N e P alvos da mesma porcentagem de redução, que varia de T in a tmax por t int. Logo abaixo disso, o indivíduo mais próximo da especificação N alvo e a especificação P aparece na segunda tabela são os indivíduos mais próximos, onde o alvo P varia da equipe até Tmax, enquanto N é mantido constante perto da especificação final. A terceira tabela fornece aos indivíduos os alvos finais mais próximos, variando de equipe a Tmax, enquanto P é mantido constante perto da especificação P.

Nesse caso, o indivíduo mais próximo de uma redução final de 30% foi o ID 84 23 com um valor final de 14, 639, 660. Aqui está o mapa mostrando a distribuição espacial das práticas de conservação e a localização dessa configuração de bacia hidrográfica na fronteira de trade-off após seu desenvolvimento. A técnica abriu caminho para pesquisadores no campo da gestão de bacias hidrográficas e economia ambiental explorarem maneiras mais econômicas de atingir os objetivos ambientais das bacias hidrográficas e melhorar o desenho de políticas baseadas no mercado.