Spatial Multiobjective Optimering af landbrugsprodukter Conservation Practices ved hjælp af en SWAT Model og en Evolutionary Algorithm
Summary
Dette arbejde demonstrerer en integration af et vandkvaliteten model med en optimering komponent anvender evolutionære algoritmer til at løse for optimal (laveste omkostninger) anbringelse af landbrugs dyrkningsmetoder for et angivet sæt forbedring af vandkvaliteten mål. De løsninger genereres ved hjælp af en multi-objektiv tilgang, der giver mulighed for eksplicit kvantificering af kompromiser.
Abstract
Finde de omkostningseffektive (dvs. laveste omkostninger) målretningsmetoder bevaringspraksis investeringer til opnåelse af specifikke vandkvalitetskrav mål i hele landskabet er af største vigtighed i forvaltningen af afvandingsområder. Traditionelle økonomi metoder til at finde de laveste omkostninger løsning i vandskel sammenhæng (f.eks 5,12,20) antager, at off-site påvirkninger kan præcist kan beskrives som en del af on-site genereret forurening. Sådanne tilgange er usandsynligt, at være repræsentative for den faktiske forurening proces i et vandskel, hvor virkningerne af forurenende kilder er ofte bestemt af komplekse biofysiske processer. Brugen af moderne fysisk-baseret, rumligt fordelte hydrologiske simuleringsmodeller giver mulighed for en større grad af realisme i form af proces repræsentation, men kræver en udvikling af en simulation, optimering ramme, hvor modellen bliver en integreret del af optimeringen.
Evolutiondære algoritmer synes at være et særligt nyttigt optimeringsværktøj, kunne behandle det kombinatoriske karakter af en skelsættende simulation-optimeringsproblem og tillader anvendelse af den fulde vandkvaliteten model. Evolutionære algoritmer behandle en bestemt rumlig fordeling af fredning i et vandskel som en kandidat løsning og udnytte sæt (populationer) i kandidatlandene løsninger iterativt anvender stokastiske operatører af udvælgelse, rekombination og mutation for at finde forbedringer med hensyn til optimering mål. De optimering mål i denne sag er at minimere nonpoint forurening i vandskellet, samtidig minimere omkostningerne ved bevarelse praksis. En nylig og voksende sæt af forskningen forsøger at anvende lignende metoder og integrerer vandkvalitet modeller med bredt definerede evolutionære optimeringsmetoder 3,4,9,10,13-15,17-19,22,23,25. I denne ansøgning, viser vi et program, som følger Rabotyagov et al. 'S hensigtsach og integrerer et moderne og almindeligt anvendte SWAT vandkvaliteten model 7 med en multiobjective evolutionær algoritme SPEA2 26, og bruger-specificeret sæt bevarelse praksis og deres omkostninger for at søge efter de fuldstændige tradeoff grænser mellem omkostningerne ved bevarelse praksis og bruger-specificeret vandkvalitet målsætninger. De grænser kvantificere de kompromiser står over for de skelsættende ledere ved at præsentere hele spektret af omkostninger forbundet med forskellige vand kvalitetsforbedring mål. Programmet giver mulighed for et udvalg af skelsættende konfigurationer opnå bestemte forbedring af vandkvaliteten mål og en produktion af kort over optimeret placering af bevaringsmetoder.
Protocol
Discussion
Vi bygger en integreret simulation-optimering rammer for at søge efter Pareto-effektive sæt skelsættende konfigurationer, der involverer laveste omkostninger mix og placering af landbrugs dyrkningsmetoder for at opnå en række vandskel niveau næringsstoffer reduktionsmål. En konceptdiagram af simuleringen-optimering system er vist i figur 8. Watershed simulation, herunder simulere vandkvaliteten virkninger af landbruget dyrkningsmetoder håndteres af hydrologiske model, SWAT2005, kombineret med en…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Denne forskning blev finansieret delvist fra støtten fra det amerikanske Environmental Protection Agency har Målrettet vandskel Grants Program (Project # WS97704801), National Science Foundation Dynamics af koblet naturlige og menneskeskabte systemer (Project # DEB1010259-CARD-KLIN), og det amerikanske Landbrugsministeriet-National Institute of Foodand Landbrugs Koordinerede Agricultural Project (Project # 20116800230190-CARD-).
References
- American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268 (2003).
- . . Raccoon River Watershed water quality master plan. , (2011).
- Arabi, M., Govindaraju, R. S., Hantush, M. M. Cost-effective allocation of watershed management practices using a genetic algorithm. Water Resour. Res. 42, W10429 (2006).
- Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406 (2005).
- Carpentier, C. L., Bosch, D. J., Batie, S. S. Using spatial information to reduce costs of controlling agricultural nonpoint source pollution. Am. J. Agr. Econ. 61, 404-413 (1998).
- Gassman, P. W., Reyes, M., Green, C. H., Arnold, J. G. The Soil and Water Assessment Tool: Historical development, applications, and future directions. Trans. ASABE. 50 (4), 1211-1250 (2007).
- Gassman, P. W., Campbell, T., Secchi, S., Jha, M., Arnold, J. G. The i_SWAT software package: a tool for supporting SWAT watershed applications. , 66-69 .
- Gitau, M. W., Veith, T. L., Gburek, W. J., Jarrett, A. R. Watershed level best management practice selection and placement in the Town Brook watershed, New York. J. Am. Water Resour. Assoc. 42, 1565-1581 (2006).
- Jha, M., Rabotyagov, S., Gassman, P. W. Optimal placement of conservation practices using genetic algorithms with SWAT. Int. Agr. Eng. J. 18 (1-2), 41-50 (2009).
- Jha, M. K., Wolter, C. F., Schilling, K. E., Gassman, P. W. Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa. J. Envir. Qual. 39, 1317-1327 (2010).
- Kanna, M., Yang, W., Farnsworth, R., Onal, H. Cost effective targeting of CREP to improve water quality with endogenous sediment deposition coefficients. Am. J. Agr. Econ. 85, 538-553 (2003).
- Kramer, R. A., McSweeny, W. T., Kerns, W. R., Stravros, R. W. An evaluation of alternative policies for controlling agricultural nonpoint source pollution. Water Resour. Bull. 20, 841-8446 (1984).
- Lant, C. L., Kraft, S. E., Beaulieu, J., Bennett, D., Loftus, T., Nicklow, J. Using GIS-based ecological-economic modeling to evaluate policies affecting agricultural watersheds. Ecol. Econ. 55, 467-484 (2005).
- Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
- Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
- Rabotyagov, S. S., Campbell, T., Jha, M., Gassman, P. W., Arnold, J., Kurkalova, L., Secchi, S., Feng, H., Kling, C. L. Least Cost Control of Agricultural Nutrient Contributions to the Gulf of Mexico Hypoxic Zone. Ecol. Appl. 20, 1542-1555 (2010).
- Rabotyagov, S., Jha, M., Campbell, T. Impact of crop rotations on optimal selection of conservation practices for water quality protection. J. Soil. Water Conserv. 65 (6), 369-380 (2010).
- Rabotyagov, S. S., Jha, M., Campbell, T. D. Nonpoint-source pollution for an Iowa watershed: An application of evolutionary algorithms. Canadian Journal of Agricultural Economics/Revue canadienne d’agroeconomie. , (2010).
- Rabotyagov, S. S., Jha, M., Campbell, T. Searching for Efficiency: Least Cost Nonpoint Source Pollution Control with Multiple Pollutants, Practices, and Targets. J. Nat. and Environ. Sci. 1, 75-90 (2010).
- Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
- Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
- Srivastava, P., Hamlett, J. M., Robillard, P. D., Day, R. L. Watershed optimization of best management practices using AnnAGNPS and a genetic algorithm. Water Resour. Res. 38 (3), 1-14 (2002).
- Veith, T. L., Wolfe, M. L., Heatwole, C. D. Development of optimization procedure for cost-effective BMP placement. J. Am. Water Resour. Assoc. 39 (6), 1331-1343 (2003).
- Whittaker, G., Confesor, R., Griffith, S. M., Färe, R., Grosskopf, S., Steiner, J. J., Mueller-Warrant, G. W., Banowetz, G. M. A Hybrid Genetic Algorithm for Multiobjective Problems with Activity Analysis-based Local Search. Eur. J. Operat. Res. , (2007).
- Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).
