Ruimtelijke Multiobjective Optimalisatie van Landbouw Conservation Practices met behulp van een SWAT model en een evolutionair algoritme

Het algemene doel van het volgende experiment is het demonstreren van de methode voor multi-objectieve optimalisatie van instandhoudingsmaatregelen in een stroomgebied met behulp van een simulatie-optimalisatiesysteem, bestaande uit een procesmodel van het stroomgebied en een evolutionair algoritme. De overkoepelende vraag is hoe landbouwkundige instandhoudingsmaatregelen in een stroomgebied kunnen worden toegewezen, zodat de waterkwaliteitsdoelstellingen tegen de laagste kosten worden behaald.

Op elk veld zijn meerdere conserveringspraktijken mogelijk, en er kunnen meerdere doelstellingen voor de waterkwaliteit van belang zijn. Een specifieke toewijzing van conserveringspraktijken kan worden gesimuleerd met een procesmodel voor stroomgebieden. Om het optimalisatiedoel te bereiken, selecteert u eerst een gekalibreerd en gevalideerd procesmodel voor stroomgebieden en modelrepresentaties van conserveringspraktijken.

Als tweede stap worden de te maximaliseren milieudoelstellingen geselecteerd en worden de kosten van conservatiemaatregelen bepaald, waardoor het component van het evolutionaire algoritme kan worden aangeroepen om gelijktijdig te optimaliseren op basis van milieu- en kostendoelstellingen. Vervolgens vindt de selectie plaats van de parameters die de optimalisatie aansturen om een multi-objectieve optimalisatie uit te voeren. Deze twee componenten, simulatie en optimalisatie, zijn geïntegreerd in een simulatie-optimalisatiesysteem genaamd genetic I swat; de resultaten hiervan tonen de optimale set watershed-configuraties wat betreft de plaatsing van conservatiemaatregelen, wat de afwegingen tussen milieudoelen en de kosten van conservatie-investeringen kwantificeert en de selectie van een specifieke ruimtelijke configuratie van conservatiemaatregelen mogelijk maakt op basis van de gewenste milieudoelstellingen of kosten.

Het belangrijkste voordeel van deze techniek ten opzichte van bestaande methoden, zoals eenvoudige scenario-assessments van conserveringspraktijken of de optimalisatie van de keuze voor conserveringspraktijken op basis van een vereenvoudigde representatie, is dat het een fysisch gebaseerd stroomgebiedmodel integreert in de optimalisatiebeslissing op een manier die flexibel en intuïtief begrijpelijk is. Deze methode kan helpen bij het beantwoorden van kernvragen binnen de gebieden van stroomgebiedbeheer en milieueconomie, zoals waar publieke investeringen in conserveringspraktijken op moeten worden gericht, of hoe marktgebaseerde beleidsmaatregelen moeten worden gestructureerd, zoals omgekeerde veilingen voor conserveringspraktijken of een programma voor de handel in waterkwaliteit. In de context van diffuse verontreiniging worden optimalisatieparameters geselecteerd nadat een stroomgebiedmodel is voorbereid en de inputgegevens voor optimalisatie zijn verstrekt; de optimalisatie wordt aangestuurd door een programma genaamd Genetic Iwo.

Om deze procedure te starten, opent u genetic iwo dot exe, gaat u naar bestand, vervolgens openen en selecteert u de I SWAT-database, raccoon GA dot mdb, gaat u naar bestand en daarna naar configuratie om de paden naar de swap-model-executables toe te wijzen. Ga naar uitvoeren en selecteer vervolgens de allelset. Deze stap bepaalt de combinaties van conservatiepraktijken die in de optimalisatie worden gebruikt.

Voor deze run wordt allelset nummer 14 gebruikt, die 23 combinaties van conserveringspraktijken bevat om uit te voeren. Selecteer vervolgens SP A twee archive baseline aware subset om multi-objectieve optimalisatie uit te voeren met behulp van het SP A twee evolutionaire algoritme. Selecteer eerst onder preset het stroomgebied dat moet worden geoptimaliseerd; door op apply te klikken worden vermeldingen uit het presets-bestand watershed presets dot csv geselecteerd om de regelwaarden op dit scherm in te vullen.

Select vervolgens onder output variable de milieudoelstellingen voor optimalisatie. De geselecteerde N outlet P outlet definieert een driedimensionale doelfunctie: het vijfjarig gemiddelde van stikstof bij de uitlaat, het vijfjarig gemiddelde van fosfor bij de uitlaat en de totale kosten van de conserveringsmaatregelen.

Dit zal een driedimensionale trade-off-frontier creëren; stel de initiële populatiegrootte in op 60. Dit bepaalt het initiële aantal kandidaat-oplossingen wanneer het zaadje met elke allel-optie wordt geselecteerd. Er worden kandidaat-oplossingen gecreëerd die een uniforme toepassing vertegenwoordigen van elke in de allel-set gespecificeerde conservatiemaatregel voor alle hydrologische responsunits van landbouwgrond in het stroomgebied.

Ten eerste worden de overige kandidaatoplossingen gecreëerd door een willekeurige toewijzing van bewaarpraktijken uit de allelset aan het landbouwgebied HR. Let er bij het selecteren van het zaadje met elke alleloptie op dat de initiële populatiegrootte, die in deze demonstratie 60 is, minstens zo groot is als het aantal allelen in een allelset, wat 23 is. Stel in deze demonstratie het gewenste aantal generaties of iteraties voor de optimalisatierun in dit voorbeeld in op 125. Wanneer twee kandidaatoplossingen worden geselecteerd voor het creëren van nieuwe kandidaatoplossingen, specificeert de crossover-waarschijnlijkheid de kans dat er verschillende nieuwe oplossingen worden gecreëerd.

Voor deze demonstratie is de crossover-waarschijnlijkheid ingesteld op één. De grootte van de tijdelijke populatie bepaalt het aantal nieuwe kandidaat-oplossingen dat wordt gecreëerd. Processorbronnen worden het meest efficiënt benut wanneer deze waarde een geheel getal is dat een veelvoud is van het aantal processor-threads; voor deze demonstratie is 16 geselecteerd.

De mutatiekans is de waarschijnlijkheid van een willekeurige wijziging in de HRU-toewijzing naar een andere natuurbeheermaatregel. Op basis van de allelset is deze vastgesteld op 0,003. Selecteer voor deze demonstratie het aantal gebruikte threads of processoren, wat 16 is.

In deze demonstratie wordt een curve-nummer kalibratiefactor van één verstrekt vanuit de kalibratie van het swap-model. Selecteer ten slotte 'save population in text file'. Door deze optie aan te vinken wordt een tekstbestand gegenereerd met de allelwaarden van elke HRU in elke overlevende kandidaatoplossing.

Dit is belangrijk voor het herstarten van de optimalisatierun nadat het opgegeven aantal iteraties is voltooid. Na de run kan de volledige set Pareto-efficiënte oplossingen of de trade-off-frontier worden gevisualiseerd door deze stappen te volgen. Voer genetic uit.

Ga in SWAT naar bestand, en vervolgens naar openen om de IWA-database, raccoon GA dot mdb, te openen. Ga naar bestand exporteren, vervolgens naar HRU-lijst exporteren en sla het bestand op als raccoon allele, HRU dot T XT. Voer map, swat dot xe, uit, selecteer execute, en vervolgens 3D-animatie om een animatie te generen van de driedimensionale trade-off frontier, waarin de stikstofniveaus N bij de uitlaat op de rode as en de fosforniveaus P bij de uitlaat op de blauwe as worden afgezet tegen de totale kosten van natuurbehoudsmaatregelen in alle substroomgebieden.

Op de groene as is de output een reeks bestanden die in één keer kunnen worden gerenderd tot afbeeldingsbestanden. Met behulp van het POV-ray programma kunnen de afbeeldingen ook worden gecombineerd tot een film die de voortgang van het algoritme laat zien door frame scanner xe uit te voeren. Elk punt in de frontier vertegenwoordigt een watershed-configuratie.

Dit is een specifieke toewijzing van conservatiemaatregelen in een landschap. Veel van deze configuraties kunnen voor de gehele grens worden bekeken door de volgende stappen te volgen. Voer run, map, swat, xe uit, selecteer execute, en kies vervolgens map animation.

De kaders aan de linkerkant tonen de tweedimensionale projecties van de grens en de stippellijnen geven de positie van de gekozen specifieke oplossing aan. De kaart toont de dominante door het algoritme voorgeschreven conserveringspraktijk. In elk geval identificeert de legenda de gekozen conserveringspraktijken.

Vaak is de centrale vraag het selecteren van een specifieke stroomgebiedconfiguratie of een individu dat voldoet aan een opgegeven set waterkwaliteitsdoelstellingen. Bijvoorbeeld een individu dat stikstof met 30% en fosfor met 30% reduceert ten opzichte van de baseline belastingskaart. SWAT stelt ons in staat om de frontier te doorzoeken naar een individu met de minimale EUCLIDISCHE afstand tot de opgegeven doelstelling. Om specifieke stroomgebiedconfiguraties of individuen te selecteren die aan specifieke waterkwaliteitsdoelstellingen voldoen, opent u map swat dot exe en selecteert u execute and search.

Voer een minimumdoelwaarde van nul in. Voer in dit voorbeeld een maximumdoelwaarde van 100 in, evenals een doelinterval van 10. Voer in dit voorbeeld een specifiek percentage stikstofreductie ten opzichte van de nulmeting in het veld voor percentage reductie naast de nulmeting van 30 in.

In dit voorbeeld: voer vervolgens de procentuele reductie van fosfor in bij het veld 'percent reduction' naast de baseline voor fosfor, in dit geval ook 30. In dit voorbeeld produceert het MapSWAT-programma de output in een pop-upvenster; klik op 'copy', selecteer de tekst en plak deze in een spreadsheet.

Er worden drie tabellen gegenereerd: in de eerste staan de individuen die het dichtst bij de N- en P-doelwaarden liggen voor hetzelfde reductiepercentage, variërend van T in tot tmax per t int. Direct daaronder verschijnt in de tweede tabel het dichtstbijzijnde individuele exemplaar bij de doelwaarden N spec en P spec; hier staan de dichtstbijzijnde individuen waarbij de P-doelwaarde varieert van team in tot Tmax, terwijl N constant wordt gehouden nabij end spec. De derde tabel geeft de individuen weer die het dichtst bij de einddoelwaarden liggen, variërend van team in tot Tmax, terwijl P constant wordt gehouden nabij P spec.

In dit geval was individu ID 84 23 het dichtst bij een reductie van 30%, met een eindwaarde van 14, 639, 660. Hier is de kaart die de ruimtelijke verspreiding van conserveringspraktijken en de locatie van deze stroomgebiedconfiguratie in de trade-off frontier na de ontwikkeling weergeeft. De techniek baande de weg voor onderzoekers op het gebied van stroomgebiedbeheer en milieueconomie om kosteneffectievere manieren te verkennen om milieudoelstellingen voor stroomgebieden te bereiken en om het ontwerp van marktgebaseerde beleidsmaatregelen te verbeteren.