Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Biology

空间使用SWAT模型的农业保护的做法和多目标优化的进化算法

Published: December 9, 2012 doi: 10.3791/4009

Summary

这项工作表明水质模型的集成与优化组件,利用进化算法求解最优(最低成本)的水质改善目标指定的一组安置的农业保护措施。的解决方案是使用一个多目标的方法,可以明确的量化的权衡。

Abstract

寻找具有成本效益( 成本最低)的方式保护实践的投资目标为实现特定的水质目标,在景观在流域管理是最重要的。传统的经济学方法在流域范围内寻找最低成本的解决方案( 例如 ,5,12,20)认为场外的影响,可以准确地描述为一定比例的现场产生的污染。这种方法是不太可能代表实际的污染过程中的一个分水岭,在污染源的影响往往取决于复杂的生物物理过程。现代物理为基础的,空间分布式水文模拟模型的使用允许更大程度的现实主义的过程表示,但需要开发的模拟优化的模型框架,​​成为优化的一个组成部分。

进化进制算法似乎是一个特别有用的优化工具,能够处理的组合性质的一个分水岭模拟优化问题,并允许使用的水质模型。进化算法处理一个特定的空间分配作为候选的解决方案中的一个分水岭的保护措施,并利用迭代采用随机选择的运营商,重组和突变,以找到改进的优化目标集(群体)候选解决方案。在这种情况下的优化目标是,以尽量减少非点源污染的分水岭,同时最大限度地降低成本,保护的做法。最近一个不断扩大的研究组正在尝试使用类似的方法,将水质模型的广泛定义的进化优化方法3,4,9,10,13-15,17-19,22,23,25。在此应用中,我们展示了程序如下Rabotyagov等。的适当ACH,并集成了现代常用SWAT水质模型多目标进化算法SPEA2 26,和用户指定的一组保护的做法,其成本搜索完整的折衷前沿的成本之间的保护方法和用户指定的水质的目标。的前沿量化所面临的流域管理者,通过提供全方位的各种水质改善的目标与成本的权衡。该计划允许选择的分水岭配置,达到规定的水质改善目标和生产的保护实践的最佳位置地图。

Protocol

1。准备流域模型,并提供输入数据优化

  1. 创建一个i_SWAT数据库
    1. 从多个输入数据库,包括土壤,气候,管理和肥料使用了一项名为“旋转”,建立数据库。
    2. 另外,现有的SWAT的运行(可能创建与ArcSWAT或AVSWAT)可以被导入i_SWAT.exe中。在这种情况下,程序“swat_rewrite”可以用来取代管理或其他HRU字段级别的数据的基础上的信息的。
    3. 在这一点上的SWAT模型进行校正和验证。 SWAT模型(2005年版)这的浣熊河流域EA建模框架内成立,最初的最大日负荷总量(TMDL)的研究Jha等人所描述的校准和验证。 (2010年)。进一步的校准和验证的SWAT模型进行支持阿狸河流域总体规划的发展,为所记述床Agren公司(2011年),这是SWAT模型,该模型被用于这项研究。
    4. 使用的SWAT2005.exe修改后的版本,称为SWAT2005GA.exe。
  2. 准备文件“分水岭presets.csv” - 这是一个文本文件存储许多浣熊流域的设置。它是只读的由GeneticiSWAT和MapSWAT设置多个控制和数据领域的分水岭只要按一下。
  3. 准备保护做法要素的成本。在这个例子中,这些被存储在表[的实践成本 - 浣熊县]在一个数据库“的实践费用的海盆Josh.mdb”。

一个候选的解决方案的总成本是流域单元(“水文响应单位”,或HRU的)的保护措施的费用的总和。优化程序认为一个单一的HRU的分水岭每农田保护的做法一组特定的保护实践的最佳分配。的sETS保护的做法可能分配给一个HRU被称为等位基因套,。

  1. 建立特警文件夹。此运行,16个CPU,这意味着运行在16份SWAT2005GA.exe 16个单独的文件夹(同样适用于系统,较少的CPU, 例如 ,应建立4个文件夹的“四核”处理器)。

2。选择优化参数

  1. 优化控制由程序称为“GeneticISWAT”。要执行优化,开放GeneticISWAT.exe。
    1. 转到“文件”,然后“打开”和,选择i_SWAT数据库的“浣熊GA.mdb”。
    2. 转到“文件”,然后选择“配置”指定的路径SWAT模型的可执行文件(SWAT2005GA.exe)。
    3. “执行”,然后在“选择等位基因集”。这一步决定了用于优化组合保护的做法。此运行,等位基因设置#14,其中有23个组合保护的做法。 AV集存储在ailable等位基因配置文件“Alleles.csv的”。
    4. 转到“执行”,然后选择“的SPEA2存档基线意识到子集”SPEA2进化算法进行多目标优化。

图1
图1。优化目标和参数设置。

优化参数可供选择:

预设:选择的分水岭进行优化。单击“应用”,选择从预设文件的“分水岭presets.csv”项目,以填补在此屏幕上的控制值。

输出变量:选择优化的环境目标。由于选择(N电源插座,P出口),这定义了一个3维的目标函数:氮(有机氮+ NO3 + NH4 + NO2)5年平均出口处,磷(2921网卡P +矿物P)5年平均出口处,总成本保护的做法。需要注意的是,这将创建一个3维的权衡前沿。可以选择替代输出变量,多目标的程序是最大限度地减少(输出变量},总成本)。

人口规模:设置初始的人口规模。这就决定了初始的候选解决方案。当“种子与每个等位基因”选项的选择,候选的解决方案是创建一个统一的应用程序指定的各保护实践中的等位基因,所有农田的分水岭HRU的第一次。剩余的候选解决方案所建立的一个随机分配的等位基因为农田HRU的保护实践。当选择的每个等位基因“选项”种子,需要确保的初始人口规模至少是大等位基因组的等位基因数在本演示中(23)。

数代:设置所需的世代数 ​​(迭代)的优化运行(注意,可以重新启动运行)。

交叉概率:当两个候选方案中选择创建新的候选解决方案,交叉概率指定创建不同的新的解决方案的可能性(此演示设置为1)。

暂住人口的大小:这就决定了一些新的候选解决方案。处理器资源的最有效地使用时,此值是处理器线程的数目的整数倍(16在此演示)。

变异概率:指定HRU分配到另一个保护实践的等位基因组的随机变化的可能性。 (这个演示中,它被设置为0.03)。

线程:选择所使用的处理器或线程的数量。 16本演示中使用。

曲线号的校正因子:这是从SWAT模型的校准。

保存在文本文件中:人口,这是非常重要的选择,如果希望重新启动后运行指定数量的迭代优化完成。选中此选项,生成一个文本文件,每一个的HRU在每一个幸存的候选方案(个人)的基因值。这可以被读回重新启动,继续运行。

二级优化参数

第一年:必须设置为一年开始的历史气象资料后,不迟于7月底前该数据。

玉米价格估计成本减少化肥的产量损失公式。

评分方法:SPEA2存档。评分确定可能幸存的人是如何选择交叉。

清除方法:占主导地位。更糟糕的个人,在所有3个维度控制和清除。

HUC来源:设置为“指定位置”,意为“7100006”,从下面的字段“流域HUC”是用来发现的的HUC区表中的行。值“07100006”是的八位的HUC代码为浣熊流域。

成本资料来源:设置为“县(HRU位置代码)”,表示在实践中上述费用表以外CRP的成本将由县FIPS代码。

在实践中上述费用表, 费用来源CRP:设置为“1”,到表明,CRP成本,将由县FIPS代码。

3。代表性的成果

GeneticiSWAT.exe生成一个日志文件,示出了设置和结果可用于所有的候选解决方案(个人),以及一个“保存”的文件,该文件编码的查询结果从最终的算法迭代和可用于重新启动的优化运行。

在这一点上,我们可以可视化的整套帕累托有效的解决方案的权衡(边)境的,按照以下步骤:

  1. 运行GeneticiSWAT;
    1. 转到“文件”,然后在“打开”来打开的i_SWAT数据库的“浣熊GA.mdb”。
    2. “执行”,然后选择“导出HRU名单”。保存文件为“浣熊等位基因HRU.txt的”。
  2. 制作一个动画通过运行Mapswat.exe,选择“执行”,然后选择“三维动画”。

图2
图2。钪reenshot创建3维前沿的可视化的“快照”。

输出是一系列的文件可以呈现一次成图像文件,通过使用POV-RAY计划的,然后选择“渲染”,然后在“文件队列”。这些图像可以被用于对自己或结合到一部电影中示出的算法的进展。

图3
图3。静态的权衡前沿的可视化。

如果需要的话,可以创建一个电影的算法进展由运行“Framescanner.exe”的,按照以下步骤:

  1. 转到“文件”,然后“新建”,然后单击“文件”,然后选择“导入”,然后选择“PNG文件”。选择静态图像。
  2. 要创建一个电影,“文件”,然后选择“导出”,然后选择“AVI”。
  3. 选择编解码器“DIB”创建批次的AVI文件的图像文件。

在边境的每一个点代表一个分水岭的配置(具体分配上的景观保护的做法)。这些配置可以看出,对整个边境的地图,通过执行以下步骤:

  1. 运行Mapswat.exe,选择“执行”,然后在“地图动画”。
  2. 从预设列表中选择“浣熊”,然后单击“应用”。
  3. 选择“布局(浣熊)”从地图布局“列表,然后单击”OK“。

图4
图4:在最后的边界创建地图的每一个人截图。

导出特定流域的配置(个人)的利益。

通常情况下,利益的问题是选择特定的分水岭配置(个人)实现特定的水质目标。例如,可能希望找到一个个人,idual在降低氮30%,磷20%,相对于基线负荷的前沿。 MapSWAT允许一个搜索个人前沿与指定的目标的最小欧几里得距离。这是可以做到通过执行以下操作:

  1. 打开MapSWAT.exe。选择“执行”|“搜索”。

图5
图5。寻找一个具体的个人在边境水质目标的基础上的屏幕截图。

  1. 输入最小和最大的减排目标Tmin和 Tmax的时间间隔以及色调 。也进入从基线的特定百分比减少氮(Nspec)在“%缩小”到N基线的空间,减少百分之在“%减少的的磷(PSPEC)中 ”磷基线。程序产生的输出弹出一个窗口:

图6
搜索输出的屏幕截图如图6所示。

  1. 点击“复制文字”,并粘贴到电子表格中。三个表的产生。在第一个人最近的氮和磷的目标相同%的减少,其范围从TMIN至TMAX色调。就低于这个最接近的单个人的目标(Nspec,PSPEC)出现。二,表给其中P的目标范围TMIN至TMAX而N是保持不变附近Nspec的最近的个人。第三,最近Ň目标,从TMIN至TMAX范围P保持不变附近PSPEC的表给个人。在这种情况下,减少了30%的N最接近的个人ID 8423与N值14,637,279.60。下面是地图显示的空间分布,保护的做法,在权衡前沿的位置,该流域的配置:

files/ftp_upload/4009/4009fig7.jpg“ALT =”图7“/>
图7。在边境的样品描述所选择的个别截图。 点击此处查看大图

导出地图数据作进一步的分析,可以通过执行以下步骤:

  1. 运行Mapswat.exe,选择“执行”,然后选择“导出地图数据”。
  2. 从预设列表中选择“浣熊”,然后单击“应用”。
  3. 输入ID的的分水岭配置(个人)(8423示出一个),检查“显示等位基因属性”和“显示成本”,然后单击“确定”。这些数据可以用来创建使用GIS程序选定的分水岭配置的自定义地图。
节目名称 描述
CARD 创建数据库,土壤,气象和管理数据的一个分水岭,填充的i_SWAT的。
Swat2005GA.exe 美国农业部草原,土壤和水资源研究实验室流域仿真模型
i_SWAT.exe CARD SWAT数据库接口
GeneticISWAT.exe CARD 进化算法SWAT控制器。内置加利布从http://lancet.mit.edu/ga/
MapSWAT.exe CARD i_SWAT数据库和shapefile读取,生成的图像世代的个人。
POV-Ray的 Povray.org 视觉光线追踪的持续性。
Framescanner.exe 托德·坎贝尔 PNG图像到AVI转换器
的Windows Live Movie Maker中微软用于压缩的AV我WMV

表1。表所需的程序。

文件的名称 类型 描述
浣熊GA.mdb Access数据库结构和管理的描述的浣熊分水岭。阅读由GeneticiSWAT和MapSWAT。
分水岭presets.csv 文本设置的GeneticiSWAT.exe和MapSWAT的预设
Alleles.csv 文本进化算法的等位基因设置列表。
浣熊等位基因HRU.txt 文本创建的文件的GeneticISWAT列出这些基因被确定为农田。阅读的MapSWAT。
作业成本海盆Josh.mdb Access数据库成本管理做法和县。
露台Zones.mdb Access数据库表HUC数据]拥有露台和屈服区号码为分水岭。
NRI Budgets.mdb Access数据库阅读GeneticISWAT.exe作物及机械表中不使用此运行。
phucrp 2008-12-15.dat 文本植物热单位没有使用的查找表,在此运行。
Management.mdb Access数据库旋转没有使用的查找表,在此运行。
2011-09-28 1313.log浣熊GA,GA浣熊2011-09-29 0732.log,浣熊GA 2011-10-07 0644.log 文本日志文件的GeneticISWAT运行。
浣熊GA.wmv 动画 3D显示的个人代
Subbasin.shp ESRI的Shapefile 纲要的拗陷盆地的分水岭。
浣熊Map.wmv 动画显示显性等位基因每个海盆每一个人在边境的。

表2。表所需的样本文件。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

我们建立一个综合性的仿真优化框架,以寻找成本最低的组合和位置的农业保护措施,实现了流域范围内的营养物减少的目标,涉及的分水岭配置的帕累托有效的套。提出了在图8的仿真优化系统的概念图。流域模拟,包括模拟的水质影响的农业保护措施的水文模型,SWAT2005,再加上基于Windows的数据库控制系统,i_SWAT 6,8处理。优化组件)SWAT水文响应单元(HRU的,采用的逻辑进化算法26保护的做法,同时最大限度地减少营养物含量(N,P,或两者兼有)的保护的做法和成本的分配。算法迭代后终止,一组的存活个别uals近似代表的权衡前沿。由于两种营养成分,同时考虑(硝态氮和总磷),我们得到一个三维的权衡前沿。每个点上的权衡前沿规定的特​​定配置的保护做法,每个决策单元(耕地HRU)的分水岭。要查看被选中保护的做法,我们必须指定养分的目标,然后搜索权衡​​前沿的配置,以满足营养物减少的标准。的位置和组合选择的保护措施可以被映射回的现场级空间决策单位的分水岭,(如果这些数据是在HRU的创建时间)。我们的做法,指定一个特定的结构和分布的保护实践,可以为政策制定者提供更好地针对保育政策旨在改善水质的工具。在实施方面,算法的处方,政策制定者提供有针对性的款项(11)建议的方法,或引起出价和接受或拒绝它们使用的模拟结果为指导。当然,具体的有针对性的做法集取决于特别是水的质量目标和具体分水岭研究。然而,水文模型和经济​​成本估计中的未来的改进可以容易地纳入模拟优化系统。制定的框架是很容易普及,是能够提供有用的和相关政策的深入了解一个复杂的问题,非点源污染减少。

图8
图8的实验的总体流程。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

没有利益冲突的声明。

Acknowledgments

这项研究是资助部分从收到的美国环境保护局的针对性流域资助计划(项目#WS97704801)的支持,在美国国家科学基金会的动态,加上自然和人类系统(项目#DEB1010259-CARD-KLIN),和美国能源部农业研究所,Foodand农业的协调农业项目(项目编号20116800230190-CARD)。

References

  1. American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268 (2003).
  2. Raccoon River Watershed water quality master plan. , Agren, Inc. Carroll, IA. (2011).
  3. Arabi, M., Govindaraju, R. S., Hantush, M. M. Cost-effective allocation of watershed management practices using a genetic algorithm. Water Resour. Res. 42, W10429 (2006).
  4. Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406 (2005).
  5. Carpentier, C. L., Bosch, D. J., Batie, S. S. Using spatial information to reduce costs of controlling agricultural nonpoint source pollution. Am. J. Agr. Econ. 61, 404-413 (1998).
  6. CARD: Resource and Environmental Policy Interactive Software Programs [Internet]. , Center for Agricultural and Rural Development, Iowa State University. Ames, IA. Available from: http://www.card.iastate.edu/environment/interactive_programs.aspx (2007).
  7. Gassman, P. W., Reyes, M., Green, C. H., Arnold, J. G. The Soil and Water Assessment Tool: Historical development, applications, and future directions. Trans. ASABE. 50 (4), 1211-1250 (2007).
  8. 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.
  9. Gitau, M. W., Veith, T. L., Gburek, W. J., Jarrett, A. R. Watershed level best management practice selection and placement in the Town Brook watershed, New York. J. Am. Water Resour. Assoc. 42, 1565-1581 (2006).
  10. Jha, M., Rabotyagov, S., Gassman, P. W. Optimal placement of conservation practices using genetic algorithms with SWAT. Int. Agr. Eng. J. 18 (1-2), 41-50 (2009).
  11. Jha, M. K., Wolter, C. F., Schilling, K. E., Gassman, P. W. Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa. J. Envir. Qual. 39, 1317-1327 (2010).
  12. Kanna, M., Yang, W., Farnsworth, R., Onal, H. Cost effective targeting of CREP to improve water quality with endogenous sediment deposition coefficients. Am. J. Agr. Econ. 85, 538-553 (2003).
  13. Kramer, R. A., McSweeny, W. T., Kerns, W. R., Stravros, R. W. An evaluation of alternative policies for controlling agricultural nonpoint source pollution. Water Resour. Bull. 20, 841-8446 (1984).
  14. Lant, C. L., Kraft, S. E., Beaulieu, J., Bennett, D., Loftus, T., Nicklow, J. Using GIS-based ecological-economic modeling to evaluate policies affecting agricultural watersheds. Ecol. Econ. 55, 467-484 (2005).
  15. Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
  16. Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
  17. Rabotyagov, S. S., Campbell, T., Jha, M., Gassman, P. W., Arnold, J., Kurkalova, L., Secchi, S., Feng, H., Kling, C. L. Least Cost Control of Agricultural Nutrient Contributions to the Gulf of Mexico Hypoxic Zone. Ecol. Appl. 20, 1542-1555 (2010).
  18. Rabotyagov, S., Jha, M., Campbell, T. Impact of crop rotations on optimal selection of conservation practices for water quality protection. J. Soil. Water Conserv. 65 (6), 369-380 (2010).
  19. Rabotyagov, S. S., Jha, M., Campbell, T. D. Nonpoint-source pollution for an Iowa watershed: An application of evolutionary algorithms. Canadian Journal of Agricultural Economics/Revue canadienne d'agroeconomie. , (2010).
  20. Rabotyagov, S. S., Jha, M., Campbell, T. Searching for Efficiency: Least Cost Nonpoint Source Pollution Control with Multiple Pollutants, Practices, and Targets. J. Nat. and Environ. Sci. 1, 75-90 (2010).
  21. Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
  22. Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
  23. Srivastava, P., Hamlett, J. M., Robillard, P. D., Day, R. L. Watershed optimization of best management practices using AnnAGNPS and a genetic algorithm. Water Resour. Res. 38 (3), 1-14 (2002).
  24. Veith, T. L., Wolfe, M. L., Heatwole, C. D. Development of optimization procedure for cost-effective BMP placement. J. Am. Water Resour. Assoc. 39 (6), 1331-1343 (2003).
  25. GAlib: Matthew's Genetic Algorithms Library [Internet]. , Available from: http://lancet.mit.edu/ga/ (1996).
  26. Whittaker, G., Confesor, R., Griffith, S. M., Färe, R., Grosskopf, S., Steiner, J. J., Mueller-Warrant, G. W., Banowetz, G. M. A Hybrid Genetic Algorithm for Multiobjective Problems with Activity Analysis-based Local Search. Eur. J. Operat. Res. , (2007).
  27. Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).

Tags

环境科学,第70期,植物生物学,土木工程,森林科学,水的质量,多目标优化,进化算法,降本增效,农业,发展
空间使用SWAT模型的农业保护的做法和多目标优化的进化算法
Play Video
PDF DOI

Cite this Article

Rabotyagov, S., Campbell, T., Valcu, More

Rabotyagov, S., Campbell, T., Valcu, A., Gassman, P., Jha, M., Schilling, K., Wolter, C., Kling, C. Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm. J. Vis. Exp. (70), e4009, doi:10.3791/4009 (2012).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter