Name: Otimização Multiobjetivo espacial das práticas agrícolas de conservação, utilizando um modelo SWAT e um algoritmo evolutivo (Vídeo) | JoVE Journal
Uploaded: 2012-12-09T17:00:00.000+00:00
Duration: 11 min 53 s
Description: Aprenda a otimização multiobjetivo espacial de práticas agrícolas de conservação utilizando o modelo SWAT e algoritmos evolutivos. Este método integra simulação de bacias hidrográficas com otimização para quantificar trade-offs entre objetivos ambientais e custos.

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

playerTrialDesktop

Esta pesquisa foi financiada, em parte, do apoio recebido de os EUA Agência de Proteção Ambiental alvejado Programa de Subsídios Bacias Hidrográficas (Projeto # WS97704801), Dinâmica da Fundação Nacional de Ciências dos Coupled sistemas naturais e humanos (Projeto # DEB1010259-CARD-KLIN), e do Departamento dos EUA da Agricultura-Instituto Nacional de projeto coordenado foodand Agricultura Agrícola (Projeto n º 20116800230190-CARD).

1. Prepare modelo de Bacias Hidrográficas e fornecer dados de entrada para a optimização <ol><li> Criar um banco de dados i_SWAT <ol><li> Usando um programa chamado &quot;rotador&quot;, construir o banco de dados de bancos de dados de entrada múltiplos, incluindo solos, clima, gestão e fertilizantes. </li><li> Alternativamente, uma corrida SWAT existente (possivelmente criado com ArcSWAT ou AVSWAT) podem ser importados com i_SWAT.exe. Neste caso, o programa &quot;swat_rewrite&quot; pode ser usado para substituir a gestão de informação ou outra HRU base no campo de dados de nível. </li><li> 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. </li><li> Usar uma versão modificada do SWAT2005.exe, chamado SWAT2005GA.exe. </li></ol></li><li> Prepare o arquivo &quot;presets.csv divisor de águas&quot; - 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. </li><li> 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 &quot;custos prática por sub-bacia Josh.mdb&quot;. </li></ol> O custo total de uma solução candidata é a soma dos custos das práticas de conservação aplicados a unidades de bacias hidrográficas (&quot;unidades de resposta hidrológica&quot;, 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. <ol start="4"><li> 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 &quot;quad-core&quot; do processador). </li></ol> 2. Selecione parâmetros de otimização <ol><li> Optimization é controlada pelo programa chamado &quot;GeneticISWAT&quot;. Para executar GeneticISWAT.exe otimização, aberto. <ol><li> Vá em &quot;Arquivo&quot;, depois &quot;Open&quot; e selecione o banco de dados i_SWAT &quot;Raccoon GA.mdb&quot;. </li><li> Vá em &quot;Arquivo&quot;, depois em &quot;Configuração&quot; para atribuir os caminhos para SWAT executáveis ​​modelo (SWAT2005GA.exe). </li><li> Vá em &quot;Executar&quot;, depois em &quot;Selecionar Set Alelo&quot;. 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 &quot;Alleles.csv&quot;. </li><li> Vá em &quot;Executar&quot;, em seguida, selecione &quot;SPEA2 Subconjunto Base Arquivo Consciente&quot; para executar a otimização multiobjetivo usando o algoritmo SPEA2 evolutiva. </li></ol></li></ol><img src="/files/ftp_upload/4009/4009fig1.jpg" alt="Figura 1"/> 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 &quot;Aplicar&quot; seleciona as entradas do arquivo de presets &quot;presets.csv divisor de águas&quot; 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 &quot;Semente com cada alelo&quot; 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 &quot;Semente com cada alelo&quot; 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. <pclass = &quot;jove_content&quot;&gt; 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 &quot;especificado&quot;, ou seja, o valor &quot;7100006&quot; a partir do seguinte campo &quot;Watershed HUC&quot; é usado para encontrar uma linha na tabela Zona HUC. O valor &quot;07100006&quot; é o código de oito dígitos HUC para a bacia do Raccoon. Fonte Custo: Ajuste para &quot;County (HRU Código de Localização)&quot; 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 &quot;Localização 1&quot; para indicar que o custo CRP será determinado por códigos municipais FIPS na tabela de custos prática acima. <strong&gt; SWAT versão: SWAT2005 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 &quot;salvamento&quot; 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: <ol><li> Executar GeneticiSWAT; <ol><li> Vá em &quot;Arquivo&quot;, depois &quot;Open&quot; para abrir o banco de dados i_SWAT &quot;Raccoon GA.mdb&quot;. </li><li> Vá em &quot;Executar&quot;, depois em &quot;Exportar lista HRU&quot;. Salvar arquivo como &quot;HRU.txt Alelo Raccoon&quot;. </li></ol></li><li> Produzir uma animação executando Mapswat.exe, selecionando &quot;Executar&quot; e &quot;Animação 3D&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig2.jpg" alt="Figura 2"/> Figura 2. Screenshot para a criação de &quot;instantâneos&quot; 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 &quot;Render&quot;, depois em &quot;fila de arquivo&quot;. As imagens podem ser usadas sozinhas ou combinadas em um filme mostrando a progressão do algoritmo. <img src="/files/ftp_upload/4009/4009fig3.jpg" alt="Figura 3"/> Figura 3. Visualização estática da fronteira troca. Se desejar, um filme que mostra a progressão algoritmo pode ser criado através da execução &quot;Framescanner.exe&quot; e seguindo estes passos: <ol><li> Vá em &quot;Arquivo&quot;, depois em &quot;New&quot; e depois em &quot;File&quot;, depois em &quot;Import&quot;, depois em &quot;Arquivos PNG&quot;. Selecione as imagens estáticas. </li><li> Para criar um filme, vá em &quot;Arquivo&quot;, depois em &quot;Exportar&quot;, depois em &quot;AVI&quot;. </li><li> Selecione codec &quot;DIB&quot; para criar arquivos AVI de lotes de imagemarquivos. </li></ol> 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: <ol><li> Executar Mapswat.exe, selecione &quot;Executar&quot;, depois em &quot;Animação mapa&quot;. </li><li> Selecione &quot;Raccoon&quot; da lista predefinida e clique em &quot;Aplicar&quot;. </li><li> Selecione &quot;Layout 7 (Raccoon)&quot; da lista Layout Mapa, clique em &quot;OK&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig4.jpg" alt="Figura 4"/> 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: <ol><li> Abra MapSWAT.exe. Selecione &quot;Executar&quot; | &quot;Pesquisa&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig5.jpg" alt="Figura 5"/> Figura 5. Screenshot de procurar por uma pessoa específica na fronteira com base em objectivos de qualidade da água. <ol start="2"><li> 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 &quot;% de redução&quot; espaço ao lado da linha de base N, e redução por cento em Fósforo (Pspec) no &quot;% de redução&quot; próximo à linha de base de fósforo. O programa produz uma saída em uma tela pop-up: </li></ol><html><img src="/files/ftp_upload/4009/4009fig6.jpg" alt="Figura 6"/> Figura 6. Screenshot da produção de pesquisa <ol start="3"><li> Clique em &quot;Copiar texto&quot; 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: </li></ol>files/ftp_upload/4009/4009fig7.jpg &quot;alt =&quot; Figura 7 &quot;/&gt; Figura 7. Screenshot de um mapa de amostra descrevendo o indivíduo selecionado na fronteira. <a href="https://www.jove.com/files/ftp_upload/4009/4009fig7large.jpg" target="_blank">Clique aqui para ver maior figura</a> . Exportação de dados de mapas para análise posterior é possível, seguindo estes passos: <ol><li> Executar Mapswat.exe, selecione &quot;Executar&quot;, depois em &quot;Dados de Mapa de Exportação&quot;. </li><li> Selecione &quot;Raccoon&quot; da lista predefinida e clique em &quot;Aplicar&quot;. </li><li> Digite o ID de uma configuração de bacias hidrográficas (individual) (8.423 mostrado), verifique &quot;Mostrar Propriedades dos alelos&quot; e &quot;Custos Show&quot; e clique em &quot;OK&quot;. Estes dados podem ser usados ​​para criar mapas personalizados da configuração das bacias hidrográficas selecionado usando um programa de SIG. </li></ol><table border="1"><tbody><tr><td> Nome do programa </td><td> Fonte </td><td> Descrição </td></tr><tr><td> Rotor </td><td> CARTÃO </td&gt; <td> Cria e preenche um banco de dados i_SWAT com o solo, clima e gestão de dados de uma bacia hidrográfica. </td></tr><tr><td> Swat2005GA.exe </td><td> USDA Pastagem, Solo e Água Laboratório de Pesquisa </td><td> Modelo de simulação de bacias hidrográficas </td></tr><tr><td> i_SWAT.exe </td><td> CARTÃO </td><td> SWAT interface de banco de dados </td></tr><tr><td> GeneticISWAT.exe </td><td> CARTÃO </td><td> Controlador SWAT evolutiva algoritmo. Incorpora Galib de <a href="http://lancet.mit.edu/ga/" target="_blank">http://lancet.mit.edu/ga/</a> . </td></tr><tr><td> MapSWAT.exe </td><td> CARTÃO </td><td> Lê dados i_SWAT e shapefiles, produz imagens de gerações e indivíduos. </td></tr><tr><td> POV-Ray </td><td> Povray.org </td><td> Persistência de visão raytracer. </td></tr><tr><td> Framescanner.exe </td><td> Todd Campbell </td><td> PNG imagem para AVI Converter </td></tr><tr><td> Windows Live Movie Maker </td><td> Microsoft </td><td> Usado para comprimir AVI WMV </td></tr></tbody></table> Tabela 1. Tabela de programas necessários. <table border="1"><tbody><tr><td> Nome do Arquivo </td><td> Tipo </td><td> Descrição </td></tr><tr><td> Raccoon GA.mdb </td><td> Banco de dados Access </td><td> Estrutura e gestão de bacias hidrográficas descrições de Raccoon. Leia por GeneticiSWAT e MapSWAT. </td></tr><tr><td> presets.csv bacia </td><td> Texto </td><td> Predefinições de configuração para GeneticiSWAT.exe e MapSWAT </td></tr><tr><td> Alleles.csv </td><td> Texto </td><td> Lista de alelo define para o algoritmo evolutivo. </td></tr><tr><td> HRU.txt Alelo Raccoon </td><td> Texto </td><td> Arquivo criado por GeneticISWAT listando os alelos determinados como terras cultiváveis. Leia por MapSWAT. </td></tr><tr><td> Custos prática por sub-bacia Josh.mdb </td><td> Access Database </td><td> Custos por práticas de gestão e do concelho. </td></tr><tr><td> Terraço Zones.mdb </td><td> Access Database </td><td> Tabela [HUC Dados] detém o terraço e números de zona de rendimento para a bacia hidrográfica. </td></tr><tr><td> NRI Budgets.mdb </td><td> Access Database </td><td> Leia por GeneticISWAT.exe para colheita e máquina de tabelas que não são utilizados nesta corrida. </td></tr><tr><td> phucrp 2008-12-15.dat </td><td> Texto </td><td> Planta Calor tabela de pesquisa da Unidade, não utilizado na presente execução. </td></tr><tr><td> Management.mdb </td><td> Access Database </td><td> Mesa de rotação de pesquisa, não utilizado na presente execução. </td></tr><tr><td> Raccoon GA 2011/09/28 1313.log, Raccoon GA 2011/09/29 0732.log, Raccoon GA 2011/10/07 0644.log </td><td> Texto </td><td> Os arquivos de log de corrida GeneticISWAT. </td></tr><tr><td> <a href="https://www.jove.com/4009/Raccoon_GA.wmv">Raccoon GA.wmv</a> </td><td> Animação </td><td> Display 3D de indivíduos por geração </td></tr><tr><td> <a href="https://www.jove.com/4009/Subbasin.shp" target="_blank">Subbasin.shp</a> </a&gt; </td><td> ESRI Shapefile </td><td> Contornos de sub-bacias da bacia hidrográfica. </td></tr><tr><td> <a href="https://www.jove.com/4009/Raccoon_Map.wmv" target="_blank">Raccoon Map.wmv</a> </td><td> Animação </td><td> Exibição de alelos dominantes para cada sub-bacia para cada indivíduo na fronteira. </td></tr></tbody></table> Tabela 2. Tabela de arquivos de amostra necessária.

<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>

Não há conflitos de interesse declarados.

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...

otimização multiobjetivo espacial das práticas agrícolas de conservação, utilizando um modelo swat e um algoritmo evolutivo

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

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. &#39;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.

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.

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

Encontrar as formas de custo-benefício (ou seja, de menor custo) para direcionar os investimentos em práticas de conservação visando alcançar objetivos específicos de qualidade da água ...

O objetivo geral do seguinte experimento é demonstrar o método de otimização multiobjetivo de práticas de conservação em uma bacia hidrográfica, utilizando um sistema de simulação e otimização que envolve um modelo de processos da bacia e um algoritmo evolutivo. A questão principal é como alocar práticas agrícolas de conservação em uma bacia hidrográfica de modo que os objetivos de qualidade da água sejam atingidos ao menor custo possível.Múltiplas práticas de conservação são possíveis em cada campo, e diversos 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 alcançar a meta de otimização, selecione primeiro um modelo de processo de bacia hidrográfica calibrado e validado, bem como representações do modelo para as práticas de conservação.Como segundo passo, selecionam-se os objetivos ambientais a serem maximizados e obtêm-se os custos das práticas de conservação, o que permite invocar o componente do algoritmo evolutivo que busca otimizar simultaneamente os objetivos ambientais e de custo. Em seguida, realiza-se a seleção dos parâmetros que controlam a o

spatial-multiobjective-optimization-agricultural-conservation

Research

JoVE Journal

Biology

Biologia

Há uma necessidade crítica de ferramentas e metodologias capazes de gerir sistemas aquáticos em face das condições de futuro incerto. Nós fornecemos métodos para a realização de uma avaliação de bacias hidrográficas alvejado que permite aos gestores de recursos para produzir modelos de efeitos cumulativos à base de paisagem para uso dentro de um quadro de gestão de análise de cenários.

Bacias hidrográficas Planejamento dentro de uma Análise Quantitativa Framework Cenário

Charles Taylor e John Marshall explicar a utilidade de modelos matemáticos para avaliar a eficácia da estratégia de reposição da população. Insight é dada em como modelos computacionais podem fornecer informações sobre a dinâmica populacional de mosquitos ea propagação de elementos transponíveis através da subespécie A. gambiae. As considerações éticas de liberar os mosquitos geneticamente modificados na natureza são discutidos.

Prever a eficácia da estratégia de substituição População Usando Modelagem Matemática

Não-radioativo In situ Protocolo de hibridação Aplicável para a Noruega Spruce e uma variedade de espécies de plantas

Fopius arisanus é um parasitóide de ovos-larvas de moscas da fruta Tephritid que é utilizado com sucesso no controle biológico dessas pragas importantes tropical. Descrevemos aqui um protocolo otimizado para a criação de F. arisanus em pequena escala, utilizando materiais facilmente disponíveis.

Um protocolo Optimizado para Criação Fopius arisanus, Um parasitóide de Frutas Tephritid Flies

O hawaiensis anfípode Parhyale é um organismo modelo promissor para estudos de embriologia e desenvolvimento crustáceo artrópodes comparativa e evolução. Este protocolo descreve um método para a remoção manual dos blastómeros individuais a partir de embriões de fase de clivagem precoces de Parhyale.

Ablação de uma única célula de oito células de embriões de Crustáceo anfípodes<em&gt; Parhyale hawaiensis</em

Sinalização de Ca2 + regula diversos processos biológicos em plantas. Aqui apresentamos abordagens para monitorar o estresse abiótico induzida Ca espacial e temporal 2 + sinais em células e tecidos, utilizando os codificados geneticamente Ca2 indicadores aequorin ou case12 Arabidopsis.

Medindo espacial e temporal Ca 2 + Sinais em Arabidopsis Plantas

Um protocolo para investigar o comportamento de acasalamento do nematoide da madeira do pinheiro, Bursaphelenchus xylophilus, é apresentado. As características comportamentais de B. xylophilus são descritas no processo de acasalamento.

Observação e quantificação do comportamento de acasalamento no nemátodo do pinheiro, Bursaphelenchus xylophilus

sistemas de expressão em células de insecto Nonlytic são pouco utilizados para a produção, o tráfico celular / localização, e a análise funcional da proteína recombinante. Aqui, nós descrevemos métodos para gerar vectores de express e subsequente expressão da proteína transiente em linhas de células de lepidópteros disponíveis comercialmente. A co-localizao de aquaporinas de Bemisia tabaci com proteínas marcadoras fluorescentes subcelulares também é apresentada.

Expressão transitória e Celular Localização de proteínas recombinantes em células de cultura de insectos

O estudo da biologia dos anfíbios fornece informações valiosas sobre os processos reprodutivos, fisiológicos, embriológicos e de desenvolvimento que impulsionam os organismos de muitos grupos taxonômicos. Aqui, apresentamos um guia abrangente sobre diferentes metodologias que podem ser usadas para estudar o controle e o monitoramento ovariano em anfíbios.

Técnicas reprodutivas para monitoramento e controle ovariano em anfíbios

A conservação do mexilhão de água doce depende do monitoramento de padrões reprodutivos e processos de espécies. Este estudo padroniza um protocolo não letal para amostragem de conteúdo de brânquias, caracterizando o desenvolvimento larval e fornecendo um repositório digital para os dados coletados. Este pacote de protocolo-banco de dados será uma ferramenta importante para pesquisadores de mexilhão na recuperação de espécies imperadas.

Padronizar um método não letal para caracterizar o estado reprodutivo e o desenvolvimento larval de mexilhões de água doce (Bivalvia: Unionida)

Aprenda a otimização multiobjetivo espacial de práticas agrícolas de conservação utilizando o modelo SWAT e algoritmos evolutivos. Este método integra simulação de bacias hidrográficas com otimização para quantificar trade-offs entre objetivos ambientais e custos.

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

Explorar mais vídeos