Summary
Эта работа демонстрирует интеграцию модели качества воды с использованием оптимизации компонентов эволюционные алгоритмы решения для оптимального (низкая стоимость) размещения сельскохозяйственной практики сохранения для определенного набора воды целях улучшения качества. Решений, с использованием многоцелевой подход, позволяющий явное количественное компромиссы.
Abstract
Поиск экономичный (например, низкая стоимость) способы ориентации инвестиций сохранение практики для достижения конкретных целей качества воды по всему ландшафту имеет первостепенное значение в водосборов. Традиционные методы экономической найти самые дешевые решения в бассейне контекста (например, 5,12,20) предполагают, что за пределами площадки последствия могут быть точно описаны как доля на месте загрязнения, создаваемого. Такой подход вряд ли будет представитель самого процесса загрязнения в районе водораздела, где воздействие источников загрязнения часто определяются комплекса биофизических процессов. Использование современной физической основе, пространственно-распределенных гидрологических имитационных моделей позволяет в большей степени реализма в терминах процесса представления, но требует развития моделирования оптимизации рамки, где модель становится неотъемлемой частью оптимизации.
Эволюцияарной алгоритмы оказаться особенно полезной оптимизации инструмент, способный справиться с комбинаторной природе водораздел моделировании задачи оптимизации и позволяет использовать модель полного качества воды. Эволюционные алгоритмы лечения конкретного пространственного распределения сохранения практики в водоразделом в качестве кандидата решение и использовать наборы (группы) из вариантов решения итеративного применения стохастических операторов выбора, рекомбинации и мутации, чтобы найти улучшения в отношении оптимизации целей. Оптимизация цели в этом случае, чтобы минимизировать рассредоточенных источников загрязнения в бассейне, одновременно минимизируя затраты на сохранение практики. Последнее и расширение набора исследование пытается использовать подобные методы и объединяет модели качества воды в широком смысле эволюционные методы оптимизации 3,4,9,10,13-15,17-19,22,23,25. В этом приложении мы демонстрируем программы, которые следует Работягов соавт. С соответствуюACH и интегрирует современные и широко используется SWAT модели качества воды 7 с многокритериальной эволюционного алгоритма SPEA2 26, и пользователю определенный набор методов сохранения и их стоимость для поиска полного границы компромисса между издержками сохранения практики и указанный пользователем качества воды целей. Границы количественного компромиссов, с которыми сталкиваются менеджеры водораздел, представляя полный спектр расходов, связанных с различными целями улучшения качества воды. Программа позволяет производить выбор конфигураций водораздел достижения указанной улучшению качества воды целей и производства карты оптимизированного размещения сохранения практики.
Protocol
1. Подготовка водораздела модели и предоставление исходных данных для оптимизации
- Создание базы данных i_SWAT
- Используя программу под названием "ротатор", создания базы данных из нескольких баз данных ввода, включая почвы, погоды, управление и удобрений.
- Кроме того, существующие перспективе SWAT (возможно, создан с ArcSWAT или AVSWAT) могут быть импортированы с i_SWAT.exe. В этом случае, программа "swat_rewrite" может быть использован для замены менеджмента или другой информации, ГПЧ на основе полевых данных на уровне.
- Калибровки и валидации модели SWAT должны быть выполнены в этой точке. SWAT (версия 2005) модель включены в эту Raccoon рамках водораздела реки моделирования EA первоначально был откалиброван и подтверждено в общей Максимальная дневная нагрузка (TMDL) исследования, как описано Джа и соавт. (2010). Далее калибровки и валидации модели SWAT был проведен в поддержку развития Raccoon план водораздела реки Master, как descriкровати в Агрен, Inc (2011), который является SWAT модель, которая была использована для данного исследования.
- Использование модифицированной версии SWAT2005.exe, называется SWAT2005GA.exe.
- Подготовить файл "водораздел presets.csv" - это текстовый файл, хранящий многие параметры, относящиеся к Raccoon водораздел. Он читает GeneticiSWAT и MapSWAT ниже, чтобы установить несколько элементов управления и полей данных на водоразделе с одним щелчком мыши.
- Подготовка затраты на элементы сохранения практики. Для этого, например, они хранятся в таблице [Практика расходы - Енот по округам] в базе данных "Практика затраты на суббассейна Josh.mdb".
Общая стоимость кандидат решение представляет собой сумму затрат на сохранение практики применительно к водораздела единиц ("гидрологический ответ единиц", или HRUs). Программа оптимизации считает оптимальным назначение одного из практики сохранения определенного набора методов сохранения в каждом пахотных земель ГГП в бассейне. СETS возможных методов сохранения назначен ГПЧ называется аллель множеств.
- Создать SWAT папки. Для этого пробега, 16 процессоров были использованы, то есть 16 копий SWAT2005GA.exe проводились в 16 отдельных папках (то же самое относится и к системам с меньшим количеством процессоров, например, 4 папки должны быть созданы для "четырехъядерный процессор" процессор).
2. Выберите Параметры оптимизации
- Оптимизация контролируется программу под названием "GeneticISWAT". Чтобы выполнить оптимизацию, открытые GeneticISWAT.exe.
- К "Файл", затем "Открыть" и выберите i_SWAT базы данных "Енот GA.mdb".
- К "Файл", затем "Настройка", чтобы назначить пути к SWAT модели исполняемые файлы (SWAT2005GA.exe).
- К "Выполнить", а затем "Выберите аллель Set". Этот шаг определяет комбинации методов сохранения используется в оптимизации. Для этой перспективе, аллель установлено № 14 была использована, которая имеет 23 комбинаций сохранения практики. Проспектailable набора аллелей сохраняются в файл конфигурации "Alleles.csv".
- К "Выполнить", затем выберите "SPEA2 Архив Базовый Aware Subset" для выполнения многокритериальной оптимизации использования SPEA2 эволюционного алгоритма.
Рисунок 1. Настройка оптимизации целей и параметров.
Оптимизация параметров должен быть выбран:
Предустановки: Выберите водораздел должны быть оптимизированы. Нажав кнопку "Применить" выбирает записи из пресетов файл "водораздел presets.csv", чтобы заполнить контрольные значения на этом экране.
Выходные переменные: Выберите экологических целей оптимизации. Как выбрать (N Outlet, P Outlet), это определяет 3-мерное целевой функции: азот (N + органических NO3 + NH4 + NO2) в среднем за 5 лет на выходе, фосфора (OrgaИсполнитель P + P Минеральные) в среднем за 5 лет на выходе, а общая стоимость сохранения практики. Обратите внимание, что это позволит создать 3-мерное компромисс границу. Альтернативные выходных переменных может быть выбран, где многокритериальной программы является сведение к минимуму ({}, переменная, Total Cost).
Численность населения: Установить начальный размер популяции. Это определяет начальное число кандидатов решения. Когда "Семя с каждым аллелем" вариант выбран, кандидат решений представляющих единообразного применения каждого сохранения практики, указанной в аллелей установлен на всех пахотных земель HRUs в бассейне создаются в первую очередь. Остальные кандидаты решения создаются рандомизации сохранения практики из аллелей установлен на пахотных землях HRUs. При выборе "Семя с каждым аллелем" вариант, нужно убедиться, что начальная численность населения, по крайней мере столь же большим как число аллелей в аллели набор (23 в этой демонстрации).
Количество поколений: Установите нужное число поколений (итераций) для оптимизации выполнения (обратите внимание, что ход может быть возобновлена).
Кроссовер вероятности: Когда два решения кандидата, выбранного для создания новых решений кандидат, кроссовер вероятности определяет вероятность того, что различные новые решения создаются (установлен в 1 для этой демонстрации).
Размер временного населения: Это определяет ряд новых решений кандидат создан. Процессор ресурсы использовались наиболее эффективно, когда это значение кратно числу процессоров темы (16 в этой демонстрации).
Вероятность мутации: Укажите вероятность случайных изменений в назначении ГПЧ в другую сохранение практики из аллелей множество. (Это имеет значение 0,03 для этой демонстрации).
Количествотемы: Выбор числа процессоров или потоков используется. 16 используется в этой демонстрации.
Кривая номер калибровочный коэффициент: Это обеспечивается в результате калибровки модели SWAT.
Сохранить населения в текстовый файл: Это важно для выбора, если мы хотим, чтобы перезапустить оптимизации работать после определенного количества итераций будет завершена. Включение этой опции создает текстовый файл с аллелем значения каждого ГПЧ в каждом сохранившихся вариантов решения (индивидуальная). Это может быть считан, чтобы перезапустить и продолжать бег.
Вторичные параметры оптимизации
Первый год: Должен быть установлен в течение года после начала исторической информации о погоде, и не позднее, чем за 7 лет до конца этого данные.
Цена кукурузы: Используется с выходом уравнения затруднились оценить стоимость удобрений сокращений.
Purge метод: доминировали. Лица, которые хуже во всех 3-х измерениях доминирует и удаляются.
HUC Источник: Набор в "Указанный Location", имея в виду значение "7100006" в следующем поле "Водораздел HUC" используется для поиска строки в таблице HUC зоны. Значение "07100006" является восьми-значный код для HUC Raccoon водораздел.
Стоимость Источник: Набор в "County (ГГП Расположение кодекс)", чтобы указать, что затраты, кроме CRP будет определяться округа коды FIPS в таблице практике затраты выше.
Стоимость CRP Источник: Установите на "1 Location", чтобы указать, что стоимость CRP будет определяться округа коды FIPS в таблице практике затраты выше.
3. Представитель Результаты GeneticiSWAT.exe создает файл журнала, показывающий параметры и результаты для всех возможных решений (физических лиц), а также "сохранить" файл, который кодирует результаты последней итерации алгоритма и которые могут быть использованы для перезагрузки оптимизации перспективе. На данный момент, можно представить себе весь комплекс Парето-эффективных решений (компромисса границы), следуя инструкциям ниже: Выход есть ряд файлов, которые могут быть оказаны все сразу в файлы изображений с помощью POV-Ray программу и выбрать "Render", затем "Файл очереди". Изображения могут быть использованы сами по себе или в сочетании в фильм, показывающий алгоритм прогрессии. При желании, фильм, показывающий алгоритм прогрессии может быть создан командой "Framescanner.exe" и выполните следующие действия: Каждая точка на границе представляет собой переломный момент конфигурация (конкретное назначение практики сохранения на альбомную). Карты из этих конфигураций можно увидеть по всей границе, выполните следующие действия: Экспорт конкретных конфигураций водораздела (физических лиц) интересов. Часто вопрос, представляющий интерес заключается в выборе конкретных водосборных конфигураций (физических лиц) достижения определенных целевых показателей качества воды. Например, можно пожелать, чтобы найти индивидуумыidual в приграничных что снижает азота на 30% и фосфора на 20% по сравнению с исходным нагрузкам. MapSWAT позволяет искать границу для индивидуального с наименьшей евклидовой расстояния до указанной цели. Это можно сделать, выполнив следующие действия: files/ftp_upload/4009/4009fig7.jpg "ALT =" Рисунок 7 "/> Экспорт картографических данных для дальнейшего анализа можно, выполнив следующие действия: Таблица 1. Таблица программ требуется. Таблица 2. Таблица образца необходимые файлы. 
Рисунок 2. Screenshot для создания «моментальных снимков» для 3-мерной границы визуализации. 
Рисунок 3. Статическая визуализация компромисс границу. 
Рисунок 4. Скриншот создания карты каждого человека в последний рубеж. 
Рисунок 5. Скриншот поиске конкретного человека в приграничных на основе целевых показателей качества воды. 
Рисунок 6. Скриншот поисках выхода
Рисунок 7. Скриншот образца карту с указанием выбранного лица в границе. Нажмите, чтобы увеличить показатель . Название Программы Источник Описание Поворотное устройство CARD Создает и заполняет базу данных с i_SWAT почвы, погода и управления данными для водораздел. Swat2005GA.exe USDA пастбища, почва и вода Научно-исследовательская лаборатория Водораздел имитационной модели i_SWAT.exe CARD SWAT интерфейс базы данных GeneticISWAT.exe CARD Эволюционная контроллер SWAT алгоритм. Включает в себя Галиб от http://lancet.mit.edu/ga/ . MapSWAT.exe CARD Читает i_SWAT баз данных и шейп-файлы, производит образы поколений и физических лиц. POV-Ray Povray.org Постоянство видения Raytracer. Framescanner.exe Тодд Кэмпбелл PNG изображений в AVI конвертер Windows Live Movie Maker, Microsoft Используется для сжатия AVЯ в WMV Имя файла Тип Описание Енот GA.mdb Доступ к базе данных Структура и управление описания Raccoon водораздел. Читайте по GeneticiSWAT и MapSWAT. водораздел presets.csv Текст Установка пресетов для GeneticiSWAT.exe и MapSWAT Alleles.csv Текст Список аллель наборы для эволюционного алгоритма. Енот HRU.txt Аллель Текст Файл создан GeneticISWAT перечислением аллелей определяется как пахотные земли. Читайте по MapSWAT. Практика затраты на суббассейна Josh.mdb Доступ к базе данных Расходы по практике управления и округа. Терраса Zones.mdb Доступ к базе данных Таблица [HUC данных] содержит терраса и номера выхода зоне водораздела. NRI Budgets.mdb Доступ к базе данных Читайте по GeneticISWAT.exe для растениеводства и машина таблиц, которые не используются в этом плане. phucrp 2008-12-15.dat Текст Завод тепла блока таблицы поиска, не используется в этом плане. Management.mdb Доступ к базе данных Вращение таблицы поиска, не используется в этом плане. Енот GA 2011-09-28 1313.log, енота GA 2011-09-29 0732.log, енота GA 2011-10-07 0644.log Текст Журналы выполнения GeneticISWAT. Енот GA.wmv Анимация 3D-дисплей физических лиц на поколения Subbasin.shp ESRI Shapefile Контуры изобpажение, иллюcтpиpующее в бассейне. Енот Map.wmv Анимация Показать доминантных аллелей для каждого суббассейна для каждого на границе.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Мы строим интегрированного моделирования оптимизации рамки для поиска Парето-эффективный набор водораздел конфигураций с участием самой дешевой смеси и расположения сельскохозяйственных методов сохранения для достижения диапазона водораздел уровня питательных цели сокращения. Концептуальную схему моделирования, оптимизации системы представлена на рисунке 8. Водораздел моделирования, в том числе моделирования качества воды воздействия сельскохозяйственной практики сохранения обрабатываются модели гидрологических, SWAT2005, в сочетании с Windows, базы данных на основе системы управления, i_SWAT 6,8. Оптимизация компонент работает на гидрологических единиц ответа (HRUs) СОБРа и использует логику эволюционного алгоритма 26, чтобы найти распределение сохранение практики, которые одновременно сводит к минимуму питательной нагрузки (N, P, или оба) и стоимость сохранения практики. После итераций алгоритма прекращается, множество сохранившихся индивидуальноuals представляет собой приблизительную границу компромисса. Поскольку два питательных веществ, которые рассматриваются одновременно (нитрат-N и фосфора), мы получаем трехмерное компромисс границу. Каждая точка на компромисс границы предписывает определенную конфигурацию сохранения практики для каждого процесса принятия решений блок (пахотные земли ГГР) в бассейне. Чтобы узнать, какие практики сохранения выбраны, мы должны указать питательных целей, а затем искать компромисс границу для отдельных конфигураций, которые отвечают критериям питательных сокращения. Расположение и сочетание методов сохранения выбранной может быть отображен обратно на местном уровне пространственных решений единиц в бассейне (если такие данные имеются на момент создания HRUs). Наш подход, который определяет особенности состава и распределения сохранения практики, могут предоставить политикам с инструментами для более целенаправленного сохранения политики, направленной на улучшение качества воды. С точки зрения реализации,вооруженные предписания алгоритма, политики могут предлагать целевые платежи (метод, предложенный 11), или вызывают предложения и принять или отклонить их использование результатов моделирования в качестве руководства. Конечно, определенный набор практик целевых зависит от конкретного качества воды целей и конкретных водосборных изучены. Тем не менее, будущие улучшения в гидрологической модели и экономические оценки стоимости может легко быть включена в модель оптимизации системы. Рамках разработанной легко обобщению и способна обеспечить полезную и политически значимых понимание сложной проблемы сокращения рассредоточенных источников загрязнения окружающей среды.
Рисунок 8. Общий поток эксперимента.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Нет конфликта интересов объявлены.
Acknowledgments
Это исследование было профинансировано в частности, от поддержки, полученные от целевой водоразделах охране окружающей среды США агентства грантов (проект № WS97704801), динамика Национального научного фонда связанных естественных и антропогенных систем (проект № DEB1010259-CARD-Клин), а департамент США сельского хозяйства, Национального института скоординированного Проект аграрного Foodand сельского хозяйства (проект № 20116800230190-CARD-).
References
- American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268 (2003).
- Raccoon River Watershed water quality master plan. , Agren, Inc. Carroll, IA. (2011).
- 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).
- Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406 (2005).
- 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).
- 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).
- 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).
- 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.
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
- Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
- 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).
- 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).
- 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).
- 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).
- Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
- Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
- 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).
- 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).
- GAlib: Matthew's Genetic Algorithms Library [Internet]. , Available from: http://lancet.mit.edu/ga/ (1996).
- 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).
- Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).
