Optimización multiobjetivo espacial de las prácticas de agricultura de conservación que utilizan un modelo SWAT y un algoritmo evolutivo

El objetivo general del siguiente experimento es demostrar el método para la optimización multiobjetivo de prácticas de conservación en una cuenca hidrográfica, utilizando un sistema de simulación y optimización que incluye un modelo de procesos de la cuenca y un algoritmo evolutivo. La pregunta principal es cómo asignar las prácticas agrícolas de conservación en una cuenca hidrográfica de manera que se cumplan los objetivos de calidad del agua al menor costo posible.

Es posible aplicar múltiples prácticas de conservación en cada campo, y pueden ser importantes varios objetivos de calidad del agua. Se puede simular una asignación específica de prácticas de conservación mediante un modelo de procesos de cuenca. Para alcanzar el objetivo de optimización, primero seleccione un modelo de procesos de cuenca calibrado y validado, así como representaciones del modelo de las prácticas de conservación.

Como segundo paso, se seleccionan los objetivos ambientales que se maximizarán y se obtienen los costos de las prácticas de conservación, lo que permite invocar el componente del algoritmo evolutivo que busca optimizar simultáneamente los objetivos ambientales y económicos. A continuación, se realiza la selección de los parámetros que controlan la optimización, con el fin de llevar a cabo una optimización multiobjetivo. Estos dos componentes, simulación y optimización, se integran en un sistema de simulación-optimización denominado Genetic I. Se obtienen resultados SWAT que muestran el conjunto óptimo de configuraciones de la cuenca en términos de la ubicación de las prácticas de conservación, cuantificando así los compromisos entre las metas ambientales y el costo de las inversiones en conservación, y permitiendo la selección de una configuración espacial específica de prácticas de conservación según los objetivos ambientales deseados o el costo.

La principal ventaja de esta técnica frente a los métodos existentes, como la evaluación de escenarios de prácticas de conservación simples o la optimización de la selección de prácticas de conservación basada en representaciones simplificadas de dichas prácticas, es que integra un modelo de procesos hidrográficos basado en principios físicos dentro de la toma de decisiones de optimización de forma flexible e intuitivamente comprensible. Este método puede ayudar a responder preguntas clave en los campos de la gestión de cuencas y la economía ambiental, tales como dónde concentrar las inversiones públicas en prácticas de conservación, o cómo estructurar políticas basadas en el mercado, como subastas inversas para prácticas de conservación o un programa de comercio de calidad del agua. En el contexto de la contaminación por fuentes difusas, los parámetros de optimización se seleccionan tras preparar un modelo de cuenca y proporcionar los datos de entrada para la optimización, siendo esta controlada por un programa denominado Genetic Iwo.

Para comenzar este procedimiento, abra genetic iwo.exe, vaya a archivo y luego abra, y seleccione la base de datos I SWAT, raccoon GA.mdb. Vaya a archivo, luego a configuración, para asignar las rutas a swap. Model ejecutables, vaya a ejecutar y luego seleccione el conjunto de alelos. Este paso determina las combinaciones de prácticas de conservación utilizadas en la optimización.

Para esta ejecución, se utilizará el conjunto de alelos número 14, que tiene 23 combinaciones de prácticas de conservación para ejecutar. A continuación, seleccione el subconjunto de referencia SP A dos con reconocimiento de archivo para realizar una optimización multiobjetivo utilizando el algoritmo evolutivo SP A dos. Primero, en Configuración previa, seleccione la cuenca hidrográfica que se optimizará haciendo clic en Raccoon y luego en Aplicar; esto selecciona entradas del archivo de configuraciones previas, watershed_presets.csv, para completar los valores de control en esta pantalla.

A continuación, en la variable de salida, seleccione los objetivos ambientales para la optimización. La salida de N, salida de P seleccionada define una función objetiva tridimensional: nitrógeno promediado durante cinco años en la salida, fósforo promediado durante cinco años en la salida y el costo total de las prácticas de conservación.

Esto creará un conjunto tridimensional de frontera de compromiso estableciendo el tamaño inicial de la población en 60. Esto determina el número inicial de soluciones candidatas cuando se selecciona la semilla con cada opción de alelo. Se generan soluciones candidatas que representan una aplicación uniforme de cada práctica de conservación especificada en el conjunto de alelos a todas las unidades de respuesta hidrológica agrícola en la cuenca.

Primero, las soluciones candidatas restantes se crean mediante una asignación aleatoria de prácticas de conservación provenientes del conjunto de alelos a las tierras de cultivo HR. Al seleccionar el valor inicial con cada opción de alelo, asegúrese de que el tamaño inicial de la población, que en esta demostración es 60, sea al menos tan grande como el número de alelos en un conjunto de alelos, que es 23. En esta demostración, establezca el número deseado de generaciones o iteraciones para la ejecución de optimización en este ejemplo en 125. Cuando se seleccionan dos soluciones candidatas para crear nuevas soluciones candidatas, la probabilidad de cruce especifica la probabilidad de que se generen soluciones nuevas y distintas.

Para esta demostración, la probabilidad de cruce se establece en uno. El tamaño de la población temporal determina el número de nuevas soluciones candidatas creadas. Los recursos del procesador se utilizan de manera más eficiente cuando este valor es un número entero; para esta demostración, se selecciona un múltiplo del número de hilos del procesador, específicamente 16.

La probabilidad de mutación es la probabilidad de cambio aleatorio en la asignación de la unidad de respuesta homogénea (HRU) a otra práctica de conservación. A partir del conjunto de alelos, se establece en 0,003. Para esta demostración, seleccione el número de hilos o procesadores utilizados, que es 16.

En esta demostración, el factor de calibración del número de curva de uno se obtiene a partir de la calibración del modelo SWAP. Finalmente, seleccione guardar población en archivo de texto. Activar esta opción genera un archivo de texto con los valores alélicos de cada UHR en cada solución candidata sobreviviente.

Esto es importante para reiniciar la ejecución de optimización una vez completado el número especificado de iteraciones. Después de la ejecución, se puede visualizar todo el conjunto de soluciones eficientes de Pareto o el frente de compensación siguiendo estos pasos. Ejecutar genético.

Abro el archivo, voy a Archivo y luego hago clic en Abrir para abrir la base de datos I IWA, raccoon GA dot mdb. Voy a Archivo, selecciono Exportar, luego exporto la lista HRU, guardo el archivo como raccoon allele, HRU dot T XT. Ejecuto map, swat dot xe, selecciono Ejecutar y luego Animación 3D para generar una animación del frente tridimensional de compromiso, que enfrenta los niveles de nitrógeno en la salida N en el eje rojo contra los niveles de fósforo en la salida P en el eje azul, frente al costo total de las prácticas de conservación en todas las subcuencas.

En el eje verde, la salida consiste en una serie de archivos que pueden renderizarse todos a la vez para generar archivos de imagen. Mediante el uso del programa POV ray, las imágenes también pueden combinarse en una película que muestra el progreso del algoritmo ejecutando el escáner de fotogramas xe. Cada punto en la frontera representa una configuración de cuenca hidrográfica.

Esa es una asignación específica de prácticas de conservación en un paisaje. Muchas de estas configuraciones pueden observarse en toda la frontera siguiendo estos pasos: ejecutar, mapas, swat, xe, seleccionar ejecutar y luego animación del mapa.

Las cajas en el lado izquierdo muestran las proyecciones bidimensionales de la frontera y las líneas discontinuas indican la posición de la solución particular elegida. El MAP muestra la práctica de conservación prescrita por el algoritmo dominante. En cada caso, la leyenda identifica las prácticas de conservación elegidas.

A menudo surge la pregunta de interés sobre cómo seleccionar una configuración específica de cuenca o un individuo que logre un conjunto determinado de objetivos de calidad del agua. Por ejemplo, un individuo que reduzca el nitrógeno en un 30 % y el fósforo en un 30 % respecto a las cargas iniciales del mapa. SWAT nos permite buscar en la frontera al individuo con la mínima distancia euclidiana respecto al objetivo especificado. Para seleccionar configuraciones específicas de cuenca o individuos que alcancen objetivos particulares de calidad del agua, abra map swat dot exe, y seleccione ejecutar y buscar.

Ingrese un valor mínimo objetivo de cero. En este ejemplo, un valor máximo objetivo de 100, así como un intervalo objetivo de 10. En este ejemplo, ingrese un porcentaje específico de reducción de nitrógeno con respecto a la línea base en el espacio de porcentaje de reducción junto a la línea base final de 30.

En este ejemplo, introduzca la reducción porcentual de fósforo en el campo de reducción porcentual junto a la línea base de fósforo, también del 30 %. En este ejemplo, el programa Map SWAT generará una salida en una pantalla emergente; haga clic en copiar texto y péguelo en una hoja de cálculo.

Se generan tres tablas: en la primera se encuentran los individuos más cercanos a los objetivos de N y P con la misma reducción porcentual, que varía desde T en hasta tmax mediante t int. Justo debajo de esta, en la segunda tabla aparece el individuo único más cercano al objetivo N espec y P espec, donde el objetivo de P varía desde team en hasta Tmax mientras que N se mantiene constante cerca de end espec. La tercera tabla proporciona los individuos más cercanos a los objetivos finales que varían desde team en hasta Tmax mientras que P se mantiene constante cerca de P espec.

En este caso, el individuo más cercano a una reducción final del 30 % fue el ID 84 23 con un valor final de 14 639 660. A continuación se muestra el mapa que representa la distribución espacial de las prácticas de conservación y la ubicación de esta configuración de cuenca en la frontera de compromiso tras su desarrollo. La técnica allanó el camino para que los investigadores en el campo de la gestión de cuencas y la economía ambiental exploraran formas más rentables de alcanzar los objetivos ambientales de las cuencas hidrográficas y mejoraran el diseño de políticas basadas en el mercado.