利用SWAT模型和进化算法对农业保护措施进行空间多目标优化

以下实验的总体目标是展示一种利用模拟优化系统对流域内农业保护措施进行多目标优化的方法，该系统结合了流域过程模型和进化算法。核心问题是：如何在流域内分配农业保护措施，以最低的成本实现水质目标。

每块田地可采用多种保护性措施，且可能存在多个重要的水质目标。特定保护性措施的配置可通过流域过程模型进行模拟。为实现优化目标，首先应选择经过校准和验证的流域过程模型，以及这些保护性措施的模型表征。

第二步，选择需要最大化实现的环境目标，并获取各项保护措施的成本数据，从而启动进化算法模块，以同时对环境目标和成本目标进行优化。接下来，设定控制优化过程的参数，以开展多目标优化。模拟与优化这两个模块被整合为一个称为遗传算法的模拟优化系统，通过该系统可获得SWAT模型的优化结果，这些结果展示了在不同保护措施布局方案下流域配置的最优集合，量化了环境目标与保护投入成本之间的权衡关系，并可根据特定的环境目标或成本要求，选择相应的保护措施空间配置方案。

与现有的简单保护措施情景评估方法，或基于简化措施表征来优化选择保护措施的方法相比，该技术的主要优势在于，它以一种灵活且直观易懂的方式，将基于物理过程的流域模型整合到优化决策中。该方法有助于回答流域管理与环境经济学领域的关键问题，例如：应将公共投资重点投向哪些区域的保护措施，或如何构建基于市场的政策机制，如保护措施的反向拍卖或水质交易计划。在非点源污染背景下，优化参数的选择是在流域模型构建完成并提供优化所需输入数据后进行的，优化过程由一个名为 Genetic Iwo 的程序控制。

开始此操作时，打开 genetic iwo.exe，进入文件菜单，然后选择打开并选中 I SWAT 数据库 raccoon GA.mdb；接着进入文件菜单中的配置，为 swap 模型可执行文件分配路径；进入执行菜单，然后选择等位基因集。此步骤用于确定优化过程中所采用的保护措施组合。

本次运行将使用等位基因集编号14，该集合包含23种保护措施组合可供执行。随后选择SP A2存档基线感知子集，以使用SP A2进化算法进行多目标优化。首先，在预设项中，选择待优化的流域——浣熊流域（raccoon），点击应用，系统将从预设文件“watershed_presets.csv”中选择条目，以填充本界面中的控制参数值。

接下来，在输出变量下选择用于优化的环境目标。所选的氮出口、磷出口定义了一个三维目标函数，即出口处五年平均氮含量、出口处五年平均磷含量以及保护措施的总成本。

这将生成一个三维权衡前沿，将初始种群规模设定为60。该参数决定了在选择每个等位基因选项作为种子时，初始候选解的数量。所生成的候选解表示将等位基因集中指定的每种保护措施均匀应用于流域内所有农田水文响应单元。

首先，通过从等位基因集合中随机分配保护措施给耕地HR，生成剩余的候选解。在为每个等位基因选项选择种子时，需确保初始种群规模（本示例中为60）至少不小于等位基因集合中的等位基因数量（本例中为23）。在本示例中，将优化运行所需的代数或迭代次数设定为125。当选择两个候选解以生成新的候选解时，交叉概率表示生成不同新解的概率。

本演示中，交叉概率设为1。临时种群的大小决定了新生成候选解的数量。当该值为处理器线程数的整数倍时，处理器资源利用效率最高，因此本演示中选择16作为该值。

突变概率是指将水文响应单元（HRU）随机更改为另一种保护措施分配方式的概率。根据等位基因集，该概率设定为0.003。在本示例中，选择所使用的线程数或处理器数量，即16。

在此演示中，曲线编号校准因子由 SWAP 模型校准提供，其值为一。最后，选择“将种群保存到文本文件”。勾选此选项将生成一个文本文件，其中包含每个存活候选解中每个 HRU 的等位基因值。

在完成指定迭代次数后重新启动优化运行时，这一点非常重要。运行结束后，可通过执行以下步骤来可视化整个帕累托有效解集或权衡前沿。运行遗传算法。

我启动 SWAT，依次点击“文件”(File) 和“打开”(Open)，以打开 IWA 数据库 raccoon_GA.dot mdb。然后进入“文件导出”(File Export)，导出 HRU 列表，将文件另存为 raccoon_allele_HRU.dot TXT。运行 MapSwat.dot xe，选择“执行”(Execute)，随后生成三维动画，展示三维权衡前沿面：以红色坐标轴表示出口处氮素水平（N），蓝色坐标轴表示出口处磷素水平（P），第三轴表示各子流域中保护措施的总成本。该分析涵盖所有子流域。

在绿色轴线上，输出为一系列文件，可一次性渲染为图像文件。通过使用 POV 光线追踪程序，还可利用帧扫描器 xe 运行将这些图像合成为展示算法演进过程的视频。前沿中的每个点代表一种分水岭构型。

这是指在景观尺度上对保护措施进行的具体配置。通过执行以下步骤，可以查看整个前沿区域的多种此类配置：运行、制图、SWAT、XE、选择执行，然后生成地图动画。

左侧的方框显示了前沿的二维投影，虚线表示所选特定解的位置。MAP 显示了占主导地位的算法所规定的保护性实践。图例在每个图中标识出所选的保护性实践。

通常，人们关注的问题是选择一个特定的流域配置或个体，以实现一组指定的水质目标。例如，某个体相对于基准负荷，将氮和磷的排放量均减少30%的目标地图。SWAT 允许我们搜索前沿中与指定目标具有最小欧几里得距离的个体。要选择实现特定水质目标的流域配置或个体，请打开 mapswat.exe，然后选择“执行”和“搜索”。

输入最小目标值为零。本示例中，最大目标值为100，目标间隔为10。在“结束基线30”旁边的“百分比减少”栏中，输入相对于基线氮减少的特定百分比数值。

在此示例中，将磷的削减百分比输入到磷基线旁边的“削减百分比”字段中，本例中同样为30。在此示例中，地图SWAT程序将在弹出窗口中生成输出结果，点击“复制”，选择文本，然后粘贴到电子表格中。

生成三个表格。第一个表格列出与 N 和 P 目标最接近的个体，这些目标对应的百分比减少值从 T 到 tmax，以 t int 为间隔。紧邻其下，第二个表格列出最接近目标 N spec 和 P spec 的单一个体，其中 P 目标范围从 team in 到 Tmax，而 N 在接近 end spec 处保持恒定。第三个表格给出最接近 end 目标的个体，P 在接近 P spec 处保持恒定，而 N 的范围从 team in 到 Tmax。

在此情况下，最接近减少 30% 终点值的个体是编号 84 23，其终点值为 14,639,660。下图展示了保护措施的空间分布情况以及该流域配置在权衡前沿面上的位置（开发完成后）。该技术为流域管理与环境经济学领域的研究人员探索更具成本效益的流域环境目标实现途径，以及改进基于市场的政策设计奠定了基础。