Summary
Bu çalışma su kalite iyileştirme amaçları belirli bir kümesi için tarımsal koruma uygulamalarının optimal (düşük maliyetli) yerleştirme çözmek için evrimsel algoritmalar kullanan bir optimizasyon bileşeni olan bir su kalitesi modeli bir entegrasyon gösterir. Çözümler değiş açık ölçümü için izin veren bir çok objektif bir yaklaşım kullanılarak üretilir.
Abstract
Manzara karşısında belirli su kalitesi hedeflerine ulaşılmasına yönelik koruma uygulamalarının yatırımları hedefleme maliyet-etkin (yani, düşük maliyetli) yolu bulma havza yönetimi birincil öneme sahiptir. Havza bağlamı (örneğin, 5,12,20) en düşük maliyetli çözüm bulma Geleneksel iktisat yöntemleri off-site etkilerinin doğru oluşturulan yerinde kirlilik oranı olarak tarif edilebilir olduğunu varsayalım. Bu tür yaklaşımlar kirletici kaynaklarının etkileri genellikle karmaşık biyofiziksel süreçler tarafından belirlendiği bir havza gerçek kirlilik süreci temsili olması pek olası değildir. Modern fiziksel tabanlı, mekansal hidrolojik simülasyon modellerinin kullanılması süreci temsili açısından gerçekçilik daha büyük bir derecesi için izin verir ama model optimizasyonu ayrılmaz bir parçası olan bir simülasyon-optimizasyon çerçevenin geliştirilmesini gerektirmektedir.
Evrimary algoritmaları bir havza simülasyon-optimizasyon problemi kombinatoryal doğa ile uğraşmak ve tam su kalitesi modelinin kullanımına izin edebiliyoruz özellikle yararlı bir optimizasyon aracı olarak görünmektedir. Evrimsel algoritmalar bir aday çözüm olarak havzadaki koruma uygulamalarının belirli bir mekansal dağılımı tedavi ve iteratif stokastik seçim operatörleri, rekombinasyon ve optimizasyon hedefleri açısından iyileştirmeler bulmak için mutasyon uygulayarak aday çözümlerden setleri (nüfus) kullanmaktadır. Bu durumda optimizasyon hedefleri eşzamanlı koruma uygulamalarının maliyetini en aza indirmeyi, havzadaki Yaygın kaynak kirliliğinin en aza indirmek için vardır. Bir araştırma yeni ve genişleyen grubu benzer yöntemleri kullanmaya çalışıyor ve geniş tanımlı evrimsel optimizasyon yöntemleri 3,4,9,10,13-15,17-19,22,23,25 su kalitesi modelleri entegre edilir. Bu uygulamada, bu Rabotyagov ve ark bir program içinde gösterilmektedir. 'In beğenmeach ve koruma uygulamalarının maliyeti ve kullanıcı tarafından belirlenen su kalitesi arasındaki tam tradeoff sınırlarını aramak için bir çok amaçlı evrimsel algoritma SPEA2 26 ve koruma uygulamaları ve bunların maliyetleri kullanıcı tarafından belirtilen seti ile modern ve yaygın SWAT su kalitesi modeli kullanılan 7 bütünleştirir hedefler. Sınırları çeşitli su kalite iyileştirme hedefleri ile bağlantılı maliyetlerin dizi sunarak havza yöneticilerinin karşılaştığı ödünleşmeler ölçmek. Program belirtilen su kalite iyileştirme amaçları ve koruma uygulamalarını optimize yerleştirme haritaları üretim elde havza yapılandırmaları bir seçim sağlar.
Protocol
1. Havza Modeli hazırlayın ve Optimizasyon için Giriş Veri sağlayın
- Bir i_SWAT veritabanı oluşturma
- "Rotator" adlı bir program kullanarak, toprak, hava, yönetimi ve gübre dahil olmak üzere birden fazla giriş veritabanlarından veri tabanı oluşturmak.
- Alternatif olarak, varolan bir SWAT işletmesi (muhtemelen ArcSWAT veya AVSWAT ile oluşturulan) i_SWAT.exe ile alınabilir. Bu durumda, program "swat_rewrite" ya da yönetim alan düzeyi verilerine dayalı diğer HRU bilgi değiştirmek için kullanılabilir.
- SWAT model ve kalibrasyon doğrulama bu noktada yapılmalıdır. Bu Raccoon River Havza EA modelleme çerçevesinde dahil SWAT (sürüm 2005) model başlangıçta kalibre ve Jha ve arkadaşları tarafından tarif edildiği gibi bir Günlük Maksimum Toplam Yük (GMTY) çalışma için valide edilmiştir. (2010). SWAT modeli Ayrıntılı kalibrasyon ve doğrulama anlatıldığı şekilde, bir Raccoon River Havza Master Planı'nın gelişimine destek yapılmıştırBu çalışma için kullanılan SWAT modeli Agren, Inc (2011) 'de yatak.
- SWAT2005GA.exe denilen SWAT2005.exe değiştirilmiş bir sürümü kullanın.
- "Havza presets.csv" dosya hazırlayın - Bu Raccoon havza özgü ayarların çoğunu saklayarak bir metin dosyasıdır. Bu tek bir tıklama ile havza için birden fazla kontrol ve veri alanlarını ayarlamak için aşağıdaki GeneticiSWAT ve MapSWAT tarafından okunur.
- Koruma uygulamalarının elemanlarının maliyetleri hazırlayın. Bu örnek için, bu tabloda saklanan [Uygulama Maliyetleri - İlçe tarafından Raccoon] bir veritabanı "akımın Josh.mdb tarafından Uygulama maliyetleri" de.
Bir aday çözümün toplam maliyeti havza birimleri ("Hidrolojik cevap birimleri", ya HRUs) uygulanan koruma uygulamalarının maliyetlerin toplamıdır. Optimizasyon programı havza her ekili HRU konservasyon uygulamaları belirli bir dizi tek bir koruma uygulamalarının optimal bir atama düşünmektedir. SBir HRU atanan olası koruma uygulamalarının ets alel setleri denir.
- SWAT klasörler oluşturun. Bu çalışma için, 16 CPU SWAT2005GA.exe 16 kopya 16 ayrı klasörlerde yürütüldü anlamı, kullanılan (aynı az CPU, örneğin sahip sistemler için geçerlidir, 4 klasör bir "dört çekirdekli" işlemci için oluşturulmuş olmalıdır).
2. Optimizasyon parametreleri seçin
- Optimizasyon "GeneticISWAT" olarak adlandırılan program ile kontrol edilir. Optimizasyon, açık GeneticISWAT.exe gerçekleştirmek için.
- Sonra "Aç", "Dosya" gidin ve i_SWAT veritabanı "Raccoon GA.mdb" seçeneğini seçin.
- Sonra "Configuration" SWAT modeli yürütülebilir (SWAT2005GA.exe) için yolları atamak için, "Dosya" gidin.
- "Execute" git, sonra "Allel ayarla seçin". Bu adım optimizasyonunda kullanılan koruma uygulamalarının kombinasyonu belirler. Bu çalışma için, alel 14. koruma uygulamalarının 23 kombinasyonları var, hangi kullanılmıştır ayarlayın. AvAILABLE allel setleri yapılandırma dosyası "Alleles.csv" saklanır.
- "Execute", ardından SPEA2 evrimsel algoritma kullanılarak amaçlı optimizasyon gerçekleştirmek için "SPEA2 Arşiv Baseline Aware Altküme" ı seçin.
Şekil 1. Optimizasyon hedefleri ve parametreleri ayarlama.
Optimizasyon parametreleri seçilebilir için:
Preset: optimize edilmesini havza seçin. "Uygula" tıklamak bu ekrandaki kontrol değerleri doldurmak için hazır dosya "havza presets.csv" girdileri seçer.
Çıktı Değişken: optimizasyonu için çevresel hedefler seçin. (N Outlet, P Outlet) seçili olarak, bu 3 boyutlu amaç fonksiyonu tanımlar: Azot (Organik N + NO3 + NH4 + NO2) (Orga, çıkış az 5 yıl Fosfor ortalamanic P + Mineral P) çıkışında 5 yıl için ortalama ve koruma uygulamalarının toplam maliyeti. Bu, bir 3-boyutlu değiş tokuş sınır oluşturmak dikkat ediniz. Çok amaçlı program ({Çıktı Değişken} Toplam Maliyet) en aza indirmek için nerede Alternatif çıkış değişkenleri, seçilebilir.
Nüfus büyüklüğü: Set ilk popülasyon boyutu. Bu aday çözümlerden ilk sayısını belirler. Seçeneği "Her alleli ile Seed" seçildiğinde, havzadaki tüm ekili HRUs ayarlanmış alleli belirtilen her koruma uygulamalarının yeknesak bir uygulama temsil aday çözümler ilk oluşturulur. Kalan aday çözümlerden ekili HRUs ayarlanmış allel koruma uygulamalarının rastgele bir atama tarafından oluşturulur. Seçeneği "her alleli ile Seed" seçerken, bir ilk popülasyon büyüklüğü bir allel kümesi allel sayısı (bu gösteriye 23) gibi en az büyük olduğundan emin olmak gerekir.
nesillerin> Sayı: optimizasyon run (run yeniden olabilir unutmayın) için nesillerin istenilen sayıda (yineleme) ayarlayın.
Crossover olasılık: iki aday çözümlerden yeni aday çözümleri oluşturmak için seçildiğinde, çaprazlama olasılığı belirgin yeni çözümler (Bu gösteri için 1 olarak ayarlanır) oluşturulan olasılığını belirtir.
Geçici nüfus büyüklüğü: Bu yaratılan yeni aday çözümlerden sayısını belirler. Bu değer, işlemci parçacığı sayısı arasında bir tamsayıdır birden çok (bu gösteri 16) olduğunda, işlemci bilgi en verimli bir şekilde kullanılmaktadır.
Mutasyon olasılığı: alleli kümesinden başka bir koruma uygulamaları için HRU atama rastgele değişim olasılığı belirtin. (Bu gösteri için 0.03 olarak ayarlanır).
SayısıKonu: kullanılan işlemci veya iş parçacığı sayısını seçin. 16. Bu tasvirde kullanılan edilir.
Eğri No kalibrasyon faktörü: Bu SWAT model kalibrasyon sağlanır.
Metin dosyasında Nüfus Kaydet: Bu yineleme belirtilen sayıdan sonra çalıştırın optimizasyonu yeniden bir dilek tamamlanması halinde seçmek önemlidir. Bu seçeneğin işaretlenmesi her hayatta aday çözüm (bireysel) her HRU arasında allel değerlere sahip bir metin dosyası oluşturur. Bu bir çalışma başlatın ve devam etmek için geri okunabilir.
İkincil optimizasyon parametreleri
Birinci Yıl: tarihsel hava durumu bilgileri başladıktan sonra bir yıl ayarlanır ve en geç 7 yıl bu verilerin sonuna kadar yapılmalıdır.
Mısır Fiyat: gübre indirimlerinin maliyetini tahmin etmek için verim kaybı denklemi ile kullanılır.
Purge Yöntem: hakim. 3-boyutlu kötü kişiler hakim ve temizlenir.
HUC Kaynak: Aşağıdaki alan "Havza HUC" dan "7100006" değeri anlamına gelen "Belirtilen yer" olarak ayarlayın HUC Bölgesinde tabloda bir satır bulmak için kullanılır. Değeri "07100006" Raccoon havza için sekiz haneli HUC koddur.
Maliyet Kaynak: CRP dışındaki maliyetleri yukarıda pratikte maliyeti tabloda ilçe FIPS kodları ile belirlenecektir olduğunu belirtmek için "County (HRU Mekan Code)" olarak ayarlayın.
Maliyet Kaynak CRP: O CRP maliyetini gösteren "1 Bölge" olarak ayarlayın yukarıdaki uygulamada maliyetler tabloda ilçe FIPS kodları ile belirlenecektir.
3. Temsilcisi Sonuçlar GeneticiSWAT.exe tüm aday çözümleri (bireyler), yanı sıra optimizasyon vadede yeniden başlatmak için kullanılabilecek nihai algoritma yineleme ve elde edilen sonuçlar kodlar bir "kaydetme" dosyası için ayarları ve sonuçları gösteren bir günlük dosyası oluşturur. Bu noktada, aşağıdaki adımları izleyerek Pareto-etkin çözümler (tradeoff sınır) tüm set görselleştirebilirsiniz: Çıktı POV-RAY programı kullanarak ve sonra "Render", "Dosya Kuyruk" seçerek resim dosyalarının içine bir kerede tüm kılınabilir dosyaları bir dizi. Görüntüleri kendi başlarına kullanılabilir veya algoritma ilerleyişini gösteren bir film haline de getirilebiliyor. İsterseniz, algoritma ilerleyişini gösteren bir film "Framescanner.exe" çalışan ve aşağıdaki adımları uygulayarak oluşturulabilir: Sınır her noktasında bir dönüm noktası yapılandırma (bir peyzaj koruma uygulamalarının belirli bir atama) temsil eder. Bu konfigürasyonlar Haritalar aşağıdaki adımları izleyerek tüm sınır için görülebilir: Ilgi İhracat belirli bir su havzası yapılandırmaları (bireyler). Genellikle ilgi bir soru özellikle su kalite hedeflerini başarmada belirli bir su havzası yapılandırmaları (bireyler) seçmektir. Örneğin, tek bir indiv bulmak isteyebilirsinizbazal yüklemeler göre% 20% 30 ve Fosfor ile Azot azaltır sınırında idual. MapSWAT biri belirtilen amaca en küçük Öklid mesafesi ile birey için sınır arama yapmanızı sağlar. Bu aşağıdakileri yaparak yapılabilir: files/ftp_upload/4009/4009fig7.jpg "alt =" Şekil 7 "/> Daha fazla analiz için harita verilerini dışa aşağıdaki adımları izleyerek mümkündür: Tablo 1. Gerekli programları Tablo. Tablo 2. Gerekli örnek dosyalar Tablo.
Şekil 2. Sc3 boyutlu sınır görselleştirme için "anlık" oluşturmak için reenshot.
Şekil 3. Tradeoff sınır Statik görselleştirme.
Şekil 4. Son sınır her bireyin bir harita oluşturma Ekran.
Şekil 5. Su kalitesi hedeflerine göre sınır belirli bir birey için arama ekran görüntüsü.
Şekil 6. Aramayı çıkış Ekran Görüntüsü
Şekil 7. Sınırında seçilen bireysel açıklayan örnek bir harita ekran görüntüsü. büyük bir rakam görmek için buraya tıklayın . Programın Adı Kaynak Tanım Döndürücü KART Oluşturur ve bir havza için toprak, hava, ve yönetim verileri ile i_SWAT veritabanını doldurur. Swat2005GA.exe USDA Grassland, Toprak ve Su Araştırma Laboratuvarı Havza simülasyon modeli i_SWAT.exe KART SWAT veritabanı arabirimi GeneticISWAT.exe KART Evrimsel algoritma SWAT denetleyicisi. Dan Galib birleştirir http://lancet.mit.edu/ga/ . MapSWAT.exe KART , I_SWAT veritabanları ve shapefile okur nesiller ve bireylerin görüntüler üretir. POV-Ray Povray.org Vizyon Raytracer sürekliliği. Framescanner.exe Todd Campbell AVI dönüştürücü PNG resim Windows Live Movie Maker Microsoft AV sıkıştırmak için kullanılırBen WMV Dosya Adı Tip Tanım Rakun GA.mdb Access veritabanı Raccoon havza yapısı ve yönetimi açıklamaları. GeneticiSWAT ve MapSWAT tarafından okuyun. havza presets.csv Metin GeneticiSWAT.exe ve MapSWAT için ayarlama hazır Alleles.csv Metin Allel listesi evrimsel algoritma için ayarlar. Rakun Allel HRU.txt Metin GeneticISWAT ekili olduğu tespit edilenlerle allelleri listeleyerek oluşturulan dosya. MapSWAT tarafından okuyun. Akımın Josh.mdb tarafından Uygulama maliyetleri Access Veritabanı Yönetim uygulamaları ve ilçe tarafından Maliyetleri. Teras Zones.mdb Access Veritabanı Tablo [HUC Veri] havza için teras ve verim zon numaralarını tutar. NRI Budgets.mdb Access Veritabanı Bu dönemde kullanılmayan kırpma ve makine tablolar için GeneticISWAT.exe tarafından okuyun. phucrp 2008-12-15.dat Metin Bu dönemde kullanılan değildi Bitki Isı Ünitesi arama tablosu,. Management.mdb Access Veritabanı Bu dönemde kullanılan değildi Rotasyon arama tablosu,. Rakun GA 2011-09-28 1313.log, Raccoon GA 2011-09-29 0732.log, Raccoon GA 2011-10-07 0644.log Metin GeneticISWAT çalıştırma dosyaları açın. Rakun GA.wmv Animasyon Nesil tarafından bireylerin 3d ekran Subbasin.shp ESRI Shapefile Havzada alt havzalardaki Ana Hatlarıyla. Rakun Map.wmv Animasyon Sınır her birey için her bir akımın geldiği için baskın alleller gösterimi.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Biz havza düzeyinde besin azaltımı hedefleri bir dizi ulaşmak için tarımsal koruma uygulamalarının düşük maliyetli mix ve yeri ile ilgili havza yapılandırmaları Pareto etkin setleri aramak için entegre bir simülasyon-optimizasyon çerçeve oluşturmak. Simülasyon-optimizasyon sistemi kavramsal bir diyagram Şekil 8'de sunulmuştur. Tarımsal koruma uygulamalarının su kalitesi etkileri simüle dahil Havza simülasyon, Windows tabanlı bir veritabanı kontrol sistemi, i_SWAT 6,8 ile birleştiğinde hidrolojik bir model, SWAT2005 tarafından işlenir. Optimizasyon bileşeni SWAT hidrolojik müdahale birimlerinin (HRUs) üzerinde çalışır ve aynı zamanda besin yükleri (N, P, veya her ikisi) ve koruma uygulamalarının maliyetini minimize koruma uygulamalarının tahsisi bulmak için evrimsel algoritma 26 mantığı kullanır. Algoritması yineleme, tekli kalan bir dizi iptal edildikten sonrauals yaklaşık dengede sınır temsil eder. Iki besin (nitrat-N ve toplam fosfor) eşzamanlı olarak kabul ediliyor, biz üç boyutlu bir tradeoff sınır edinin. Tradeoff sınır Her nokta havza her karar verme birimi (ekili HRU) için koruma uygulamaları belirli bir yapılandırmasını belirler. Koruma uygulamalarının seçili olduğunu görmek için, besin hedefler belirlemek ve sonra besin azaltma kriterleri karşılayan bireysel yapılandırmalar için tradeoff sınır aramak zorunda. Seçilen koruma uygulamalarının yeri ve karışımı (örneğin veri HRUs oluşturma anda mevcut ise) havza alanın düzeyindeki mekansal karar alma birimlerinin geri eşlenebilir. Belirli bir karışımı ve koruma uygulamalarının dağıtımı belirtir Bizim yaklaşım, su kalitesi iyileştirmeleri hedefleyen koruma politikasının hedefleme için daha iyi araçlar politika sağlayabilir. Uygulanması açısından,algoritmanın reçeteleri ile donanmış, politikacılar hedef ödemeleri (yöntemi 11 tarafından önerilen) teklif veya tekliflerin ortaya çıkarmak ve kabul veya rehber olarak modelleme sonuçları kullanarak bunları reddedebilirsiniz. Tabii ki, hedeflenen uygulamaların belirli özellikle su kalitesi hedefleri ve çalışılan belirli bir su havzası bağlıdır. Ancak, hidrolojik model ve ekonomik maliyet tahminleri yenilikleri kolayca simülasyon-optimizasyon sistemine dahil edilebilir. Geliştirilen çerçeve kolaylıkla genellenebilir ve Yaygın kaynak kirliliğinin azaltılmasının karmaşık bir sorun haline kullanışlı ve politikayla ilgili içgörü sağlama yeteneğine sahiptir.
Şekil 8. Deney genel akışı.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Çıkar çatışması ilan etti.
Acknowledgments
Bu araştırma, ABD Çevre Koruma Ajansı'nın Hedefli Havzalar Hibeler Programı (Proje # WS97704801) alınan destek kısmen finanse Coupled Doğal ve İnsan Sistemleri (Proje # DEB1010259-KART-KLIN) Ulusal Bilim Vakfı Dinamiği ve ABD oldu foodand Tarım Eşgüdümlü Tarım Projesi Tarım-Ulusal Enstitüsü (Proje # 20116800230190-KART-) arasında.
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).