Пространственное многокритериальной оптимизации методов ведения сельского хозяйства по сохранению помощью SWAT Модель и эволюционного алгоритма

Общая цель следующего эксперимента заключается в демонстрации метода многокритериальной оптимизации природоохранных мероприятий в водосборном бассейне с использованием системы имитационного моделирования и оптимизации, включающей модель процессов водосбора и эволюционный алгоритм. Основной вопрос состоит в том, как распределить сельскохозяйственные природоохранные мероприятия в водосборном бассейне таким образом, чтобы цели по качеству воды были достигнуты при минимальных затратах.

На каждом участке возможно применение нескольких природоохранных мероприятий, и значимыми могут быть сразу несколько целевых показателей качества воды. Конкретный набор природоохранных мероприятий может быть смоделирован с помощью модели процессов водосбора. Для достижения цели оптимизации сначала выберите откалиброванную и валидированную модель процессов водосбора, а также соответствующие модели представления природоохранных мероприятий.

На втором этапе выбираются экологические цели, которые необходимо максимизировать, и определяются затраты на природоохранные мероприятия, что позволяет запустить компонент эволюционного алгоритма, предназначенный для одновременной оптимизации экологических показателей и затрат. Затем осуществляется выбор параметров, управляющих оптимизацией, для проведения многокритериальной оптимизации. Эти два компонента — моделирование и оптимизация — интегрированы в систему имитационного моделирования и оптимизации под названием genetic I swat. В результате определен оптимальный набор конфигураций водосбора с точки зрения размещения природоохранных мероприятий, что позволяет количественно оценить компромисс между экологическими целями и затратами на природоохранные инвестиции, а также выбрать конкретную пространственную конфигурацию мероприятий на основе желаемых экологических показателей или бюджета.

Основным преимуществом данного метода по сравнению с существующими подходами, такими как простая оценка сценариев применения природоохранных мер или оптимизация выбора мер на основе упрощенного представления практик, является интеграция физически обоснованной модели процессов водосбора в процесс принятия оптимизационных решений гибким и интуитивно понятным способом. Этот метод позволяет ответить на ключевые вопросы в области управления водосборами и экономики окружающей среды, например, на вопросы о том, где сосредоточить государственные инвестиции в природоохранные меры или как структурировать рыночные механизмы, такие как обратные аукционы по внедрению природоохранных практик или программы торговли квотами на качество воды. В контексте загрязнения из диффузных источников параметры оптимизации выбираются после подготовки модели водосбора и предоставления входных данных; управление оптимизацией осуществляется с помощью программы Genetic Iwo.

Для начала данной процедуры запустите файл genetic iwo.exe, перейдите в меню «File» (Файл), затем выберите «Open» (Открыть) и выберите базу данных I SWAT, файл raccoon GA.mdb. Перейдите в меню «File» (Файл), затем в «Configuration» (Конфигурация), чтобы назначить пути к исполняемым файлам модели SWAT. Перейдите в меню «Execute» (Выполнить), затем выберите «Allele set» (Набор аллелей). Этот шаг определяет комбинации методов сохранения, используемые при оптимизации.

Для данного запуска будет использован набор аллелей номер 14, который содержит 23 комбинации методов сохранения почв для выполнения. Затем выберите подмножество базовых показателей SP A two archive baseline aware для проведения многокритериальной оптимизации с использованием эволюционного алгоритма SP A two. Сначала в разделе предустановок (preset) выберите водосборный бассейн, подлежащий оптимизации; нажатие кнопки apply загружает данные из файла предустановок watershed presets dot csv для заполнения управляющих значений на этом экране.

Затем в разделе выходных переменных (output variable) выберите экологические цели для оптимизации. Выбранные параметры N outlet и P outlet определяют трехмерную целевую функцию: среднее содержание азота на выходе за пять лет, среднее содержание фосфора на выходе за пять лет и общая стоимость природоохранных мероприятий.

Это позволит создать трехмерный набор граничных значений компромисса; установите начальный размер популяции равным 60. Это определяет начальное количество потенциальных решений, при выборе которых для каждого аллеля предусмотрен соответствующий вариант. Создаются потенциальные решения, представляющие собой равномерное применение каждой природоохранной меры, указанной в наборе аллелей, ко всем гидрологическим единицам отклика сельскохозяйственных угодий в водосборном бассейне.

Сначала создаются оставшиеся варианты решений путем случайного назначения методов сохранения из набора аллелей для сельскохозяйственных угодий HR. При выборе начального значения с каждым вариантом аллеля убедитесь, что размер начальной популяции, который в данной демонстрации составляет 60, не меньше количества аллелей в наборе аллелей, которое равно 23. В данной демонстрации установите желаемое количество поколений или итераций для запуска оптимизации в этом примере равным 125. Когда два варианта решений выбираются для создания новых вариантов, вероятность кроссинговера определяет вероятность создания новых отличных решений.

Для данной демонстрации вероятность кроссинговера установлена равной единице. Размер временной популяции определяет количество создаваемых новых потенциальных решений. Ресурсы процессора используются наиболее эффективно, когда это значение является целым числом, кратным количеству потоков процессора; для данной демонстрации выбрано значение 16.

Вероятность мутации представляет собой вероятность случайного изменения назначения HRU другой природоохранной практике. Для данного набора аллелей она установлена на уровне 0.003. Для данной демонстрации выберите количество используемых потоков или процессоров, которое составляет 16.

В данной демонстрации в результате калибровки модели перестановки (swap model) получен калибровочный коэффициент номера кривой, равный единице. В завершение выберите опцию «save population in text file» (сохранить популяцию в текстовый файл). При выборе этого параметра создается текстовый файл со значениями аллелей каждого HRU во всех выживших вариантах решения.

Это важно для повторного запуска процесса оптимизации после завершения заданного количества итераций. По окончании запуска весь набор Парето-эффективных решений или граница компромиссов могут быть визуализированы, выполнив следующие шаги. Запустите генетический алгоритм.

Запустите SWAT, перейдите в меню «File» (Файл), затем «Open» (Открыть), чтобы открыть базу данных IWA raccoon GA.mdb. Перейдите в «File» (Файл) → «Export» (Экспорт), затем «Export HRU list» (Экспорт списка HRU), и сохраните файл под именем raccoon allele, HRU.TXT. Запустите map, swat.exe, выберите «Execute» (Выполнить), а затем «3D animation» (3D-анимация) для создания анимации трехмерного фронта компромиссов, где уровни азота N на выходе (красная ось) и уровни фосфора P на выходе (синяя ось) сопоставляются с суммарными затратами на природоохранные мероприятия во всех подбассейнах.

На зеленой оси выходными данными является серия файлов, которые могут быть одновременно преобразованы в изображения. С помощью программы POV ray эти изображения также можно объединить в видеоролик, демонстрирующий работу алгоритма, запустив сканер кадров xe. Каждая точка на фронтире представляет собой конфигурацию водораздела.

Это конкретное распределение природоохранных мероприятий по ландшафту. Многие из таких конфигураций для всей пограничной зоны можно просмотреть, выполнив следующие действия. Запустите map, swat, xe, выберите execute, а затем map animation.

На окнах в левой части представлены двумерные проекции фронтира, а пунктирные линии обозначают положение выбранного конкретного решения. На карте (MAP) показана доминирующая практика природоохранного землепользования, предписанная алгоритмом. В каждом случае легенда определяет выбранные природоохранные практики.

Зачастую возникает задача по подбору конкретной конфигурации водосбора или отдельного варианта, обеспечивающего достижение определенного набора целей по качеству воды. Например, выбор варианта, обеспечивающего снижение содержания азота на 30% и фосфора на 30% относительно базовой карты нагрузок. SWAT позволяет осуществлять поиск по границе Парето для нахождения варианта с минимальным ЕВКЛಿದОВЫМ расстоянием до заданного целевого показателя. Чтобы выбрать определенные конфигурации водосбора или варианты, отвечающие конкретным целям по качеству воды, откройте файл map swat.exe, выберите «execute» (выполнить) и «search» (поиск).

Введите минимальное целевое значение 0. В данном примере максимальное целевое значение составляет 100, а целевой интервал — 10. В данном примере в поле процента снижения азота относительно исходного уровня введите конкретное значение процента снижения, например 30.

В данном примере затем введите процент сокращения содержания фосфора в поле «процент сокращения» рядом с базовым уровнем фосфора, также 30. В этом примере программа map swat выведет результат в сплывающем окне; нажмите «копировать текст» и вставьте его в таблицу.

Формируются три таблицы: в первой представлены особи, наиболее близкие к целевым значениям N и P при одинаковом проценте снижения, который варьируется от T in до tmax по t int. Сразу под ней, во второй таблице, указана единственная ближайшая особь к целевым значениям N spec и P spec; в этой таблице представлены ближайшие особи, где целевое значение P варьируется от team in до Tmax, в то время как N остается постоянным на уровне end spec. В третьей таблице приведены особи, наиболее близкие к конечным целевым значениям в диапазоне от team in до Tmax, при этом P остается постоянным на уровне P spec.

В данном случае наиболее близким к 30%-ному сокращению в конце периода оказался объект ID 84 23 с конечным значением 14 639 660. Ниже представлена карта, демонстрирующая пространственное распределение природоохранных мероприятий и расположение данной конфигурации водосбора на границе компромиссов после её разработки. Данный метод открыл исследователям в области управления водосборами и экономики окружающей среды возможность изучить более экономически эффективные способы достижения экологических целей водосбора и улучшить разработку рыночных механизмов политики.