SWAT 모델을 사용하여 농업 보호 관행의 공간 Multiobjective 최적화 및 진화 알고리즘

다음 실험의 전반적인 목표는 유역 프로세스 모델과 진화 알고리즘을 포함하는 시뮬레이션 최적화 시스템을 사용하여 유역 내 보전 관행의 다목적 최적화 방법을 입증하는 것입니다. 핵심 질문은 최저 비용으로 수질 목표를 달성하기 위해 유역 내 농업 보전 관행을 어떻게 배치하느냐 하는 것입니다.

각 필드에서 여러 가지 보존 관행을 적용할 수 있으며, 여러 가지 수질 목표가 중요할 수 있습니다. 특정 보존 관행의 할당은 유역 프로세스 모델을 통해 시뮬레이션할 수 있습니다. 최적화 목표를 달성하려면 먼저 보정 및 검증된 유역 프로세스 모델과 보존 관행의 모델 표현물을 선택하십시오.

두 번째 단계로, 최대화할 환경 목표를 선택하고 보전 조치의 비용을 산출하여 환경 목표와 비용 목표를 동시에 최적화하는 진화 알고리즘 구성 요소를 호출합니다. 다음으로, 다목적 최적화를 수행하기 위해 최적화를 제어하는 매개변수를 선택합니다. 시뮬레이션과 최적화라는 이 두 가지 구성 요소는 genetic I swat라고 불리는 시뮬레이션 최적화 시스템으로 통합됩니다. 그 결과, 보전 조치 배치 측면에서 최적의 유역 구성 세트를 얻게 되며, 이를 통해 환경적 목표와 보전 투자 비용 사이의 절충 관계를 정량화하고, 원하는 환경 목표나 비용에 따라 보전 조치의 특정 공간적 구성을 선택할 수 있습니다.

단순 보존 관행 시나리오 평가나 단순화된 관행 표현에 기반한 보존 관행 선택 최적화와 같은 기존 방법들에 비해 이 기술이 갖는 주요 장점은, 물리 기반의 유역 프로세스 모델을 유연하고 직관적으로 이해 가능한 방식으로 최적화 결정 과정에 통합한다는 점입니다. 이 방법은 보존 관행에 대한 공공 투자 집중 지역을 어디로 설정할 것인지, 또는 보존 관행을 위한 역경매나 수질 거래 프로그램과 같은 시장 기반 정책을 어떻게 구성할 것인지와 같이 유역 관리 및 환경 경제학 분야의 핵심 질문들에 답하는 데 도움을 줄 수 있습니다. 비점오염원 맥락에서, 유역 모델이 준비되고 최적화를 위한 입력 데이터가 제공된 후 최적화 매개변수가 선택되며, 최적화는 Genetic Iwo라는 프로그램에 의해 제어됩니다.

이 절차를 시작하려면 genetic iwo dot exe를 실행하고, 파일(file)로 이동하여 열기(open)를 선택한 후 I SWAT 데이터베이스인 raccoon GA dot mdb를 선택합니다. 파일(file)로 이동하여 구성(configuration)에서 swap 모델 실행 파일의 경로를 지정합니다. 실행(execute)으로 이동하여 대립유전자 세트(allele set)를 선택합니다. 이 단계에서는 최적화에 사용될 보전 관행의 조합이 결정됩니다.

이번 실행에서는 실행할 보존 관행의 조합이 23가지 포함된 대립유전자 세트 14번을 사용합니다. 그다음, SP A two 진화 알고리즘을 사용하여 다목적 최적화를 수행하기 위해 SP A two 아카이브 베이스라인 인식 서브셋을 선택하십시오. 먼저, 프리셋(preset) 항목에서 최적화할 유역을 선택하십시오. 적용(apply)을 클릭하면 프리셋 파일인 watershed presets.csv의 항목이 선택되어 이 화면의 제어 값이 채워집니다.

다음으로, 출력 변수(output variable)에서 최적화를 위한 환경 목표를 선택하십시오. 선택된 N outlet과 P outlet은 3차원 목적 함수를 정의합니다. 이는 유출구의 5년 평균 질소 농도, 유출구의 5년 평균 인 농도, 그리고 보존 조치에 소요되는 총 비용을 의미합니다.

이렇게 하면 3차원 트레이드오프 프런티어(trade-off frontier)가 생성되며, 초기 개체군 크기는 60으로 설정합니다. 이는 각 대립유전자 옵션이 있는 시드가 선택될 때의 초기 후보 해(candidate solutions) 수를 결정합니다. 대립유전자 세트에 지정된 각 보전 관행을 유역 내 모든 농경지 수문 응답 단위에 균일하게 적용하는 것을 나타내는 후보 해들이 생성됩니다.

먼저, 대립유전자 집합(allele set)에서 보전 관행을 경작지 HR에 무작위로 할당하여 나머지 후보 해(candidate solutions)를 생성합니다. 각 대립유전자 옵션으로 시드(seed)를 선택할 때, 본 시연의 경우 60인 초기 개체군 크기가 대립유전자 집합의 대립유전자 수인 23보다 크거나 같아야 합니다. 본 시연에서는 이 최적화 실행에 필요한 세대 수 또는 반복 횟수를 125로 설정하십시오. 새로운 후보 해를 생성하기 위해 두 개의 후보 해가 선택되었을 때, 교차 확률(crossover probability)은 서로 다른 새로운 해가 생성될 확률을 지정합니다.

본 시연에서는 교차 확률을 1로 설정하였습니다. 임시 집단의 크기는 생성되는 새로운 후보 해의 수를 결정합니다. 이 값이 프로세서 스레드 수의 배수인 정수일 때 프로세서 자원이 가장 효율적으로 사용되므로, 본 시연에서는 16을 선택하였습니다.

돌연변이 확률은 HRU 할당이 다른 보존 관행으로 무작위로 변경될 확률입니다. 대립유전자 세트에서 이 값은 0.003으로 설정되었습니다. 본 시연에서는 사용할 스레드 또는 프로세서 수를 16으로 선택하십시오.

본 시연에서는 스왑 모델 보정을 통해 곡선 번호 보정 계수 1이 제공됩니다. 마지막으로, '텍스트 파일로 모집단 저장(save population in text file)'을 선택하십시오. 이 옵션을 선택하면 생존한 모든 후보 솔루션 내 모든 HRU의 대립유전자 값이 포함된 텍스트 파일이 생성됩니다.

이는 지정된 횟수의 반복 작업이 완료된 후 최적화 실행을 재시작하는 데 중요합니다. 실행 후, 다음 단계에 따라 파레토 효율적 해(Pareto efficient solutions)의 전체 세트 또는 트레이드오프 전면(trade-off frontier)을 시각화할 수 있습니다. genetic을 실행하십시오.

SWAT에서 [파일]로 이동한 후 [열기]를 선택하여 IWA 데이터베이스인 raccoon GA.mdb를 엽니다. [파일]에서 [내보내기]를 선택하고 [HRU 목록 내보내기]를 클릭하여 파일을 raccoon allele, HRU.TXT로 저장합니다. map, swat.exe를 실행하고 [실행]을 선택한 다음, 3D 애니메이션을 통해 3차원 트레이드오프 프런티어(trade-off frontier) 애니메이션을 생성합니다. 이 애니메이션은 모든 소유역에 대해 빨간색 축의 유출 질소 농도(N)와 파란색 축의 유출 인 농도(P)를 보전 조치의 총 비용과 대비하여 보여줍니다.

녹색 축의 출력은 한 번에 이미지 파일로 렌더링할 수 있는 일련의 파일입니다. POV ray 프로그램을 사용하면 프레임 스캐너 xe를 실행하여 알고리즘의 진행 과정을 보여주는 영화로 이미지들을 결합할 수 있습니다. 프런티어의 각 점은 분수계 구성을 나타냅니다.

이는 경관에 대한 보전 관행의 특정 배치를 의미합니다. 다음 단계에 따라 전체 프런티어에 대한 이러한 구성의 상당 부분을 확인할 수 있습니다. Run, map, swat, xe, select execute를 실행한 후 map animation을 선택하십시오.

왼쪽 상자들은 프런티어의 2차원 투영을 보여주며, 점선은 선택된 특정 솔루션의 위치를 나타냅니다. MAP은 지배적인 알고리즘이 처방한 보존 관행을 보여줍니다. 각 지도에서 범례는 선택된 보존 관행을 식별합니다.

종종 주요 관심사는 특정 유역 구성이나 지정된 수질 목표 세트를 달성하는 개별 사례를 선택하는 것입니다. 예를 들어, 기준 부하 맵과 비교하여 질소를 30% 및 인을 30% 감소시키는 개별 사례가 이에 해당합니다. SWAT를 사용하면 지정된 목표와의 EUCLIDEAN 거리가 최소인 개별 사례를 찾기 위해 프런티어를 탐색할 수 있습니다. 특정 유역 구성이나 특정 수질 목표를 달성하는 개별 사례를 선택하려면, map swat.exe를 열고 execute 및 search를 선택하십시오.

최소 목표값에 0을 입력하십시오. 본 예시에서는 최대 목표값에 100을, 목표 간격에 10을 입력합니다. 또한, 기준선 30 옆의 퍼센트 감소란에 기준선 대비 질소의 특정 퍼센트 감소량을 입력하십시오.

이 예시에서는, phosphorus baseline 옆의 percent reduction 항목에 인(phosphorus)의 감소율인 30을 입력하십시오. 이 예시에서 map swat 프로그램은 팝업 화면에 결과물을 생성하며, copy를 클릭하고 텍스트를 복사하여 스프레드시트에 붙여넣으십시오.

세 개의 표가 생성됩니다. 첫 번째 표에는 동일한 백분율 감소율(T in에서 tmax까지 t int 범위)을 갖는 N 및 P 타겟에 가장 근접한 개체들이 나열됩니다. 그 바로 아래 두 번째 표에는 타겟 N spec 및 P spec에 가장 근접한 단일 개체가 표시되며, 여기서는 N을 end spec 근처의 일정 값으로 유지하는 동안 P 타겟이 team in에서 Tmax까지 범위를 가집니다. 세 번째 표는 P를 P spec 근처의 일정 값으로 유지하는 동안 team in에서 Tmax까지 범위의 최종 타겟에 가장 근접한 개체들을 보여줍니다.

이 사례에서 30% 말단 감소치에 가장 근접한 개체는 말단 값이 14, 639, 660인 ID 84 23이었습니다. 여기는 보존 관행의 공간적 분포와 개발 후 트레이드오프 프런티어(trade-off frontier) 내에서의 해당 유역 구성 위치를 보여주는 지도입니다. 이 기술은 유역 관리 및 환경 경제학 분야의 연구자들이 유역 환경 목표를 달성하기 위한 더욱 비용 효율적인 방법을 탐색하고 시장 기반 정책의 설계를 개선할 수 있는 길을 열어주었습니다.