Summary

Optimisation multiobjectif spatiale des pratiques agricoles de conservation en utilisant un modèle SWAT et un algorithme évolutionnaire

Published: December 09, 2012
doi:

Summary

Ce travail démontre l'intégration d'un modèle de qualité de l'eau avec un composant d'optimisation en utilisant des algorithmes évolutionnaires pour résoudre optimale (la moins coûteuse) mise en place de pratiques de conservation agricoles pour un ensemble donné d'objectifs d'amélioration de la qualité des eaux. Les solutions sont générées en utilisant une approche multi-objectifs, ce qui permet une quantification explicite des compromis.

Abstract

Trouver les coût-efficacité (c.-à-la moins coûteuse) des moyens de cibler les investissements pratiques de conservation pour la réalisation des objectifs spécifiques de qualité de l'eau à travers le paysage est d'une importance primordiale dans la gestion des bassins versants. Les méthodes traditionnelles de l'économie de trouver la solution la moins coûteuse dans le contexte des bassins versants (par exemple, 5,12,20) supposent que les impacts hors site peut être précisément décrite comme une proportion de la pollution des sites générés. De telles approches sont probablement pas représentatifs du processus de pollution réelle dans un bassin versant, où les impacts des sources polluantes sont souvent déterminés par la complexité des processus biophysiques. L'utilisation des modernes à base physique, répartis dans l'espace des modèles de simulation hydrologiques permet un plus grand degré de réalisme en termes de représentation du processus, mais nécessite une élaboration d'un cadre de simulation-optimisation où le modèle devient une partie intégrante de l'optimisation.

Évolutionalgorithmes aires semblent être un outil d'optimisation particulièrement utile, capable de faire face à la nature combinatoire d'un bassin versant de simulation-optimisation problème et permettre l'utilisation du modèle de qualité de l'eau plein. Les algorithmes évolutionnaires traiter une répartition spatiale particulière des pratiques de conservation dans un bassin versant comme une solution candidate et d'utiliser les ensembles (populations) de solutions candidates itérative appliquant les opérateurs stochastiques de sélection, recombinaison, mutation et de trouver des améliorations en ce qui concerne les objectifs d'optimisation. Les objectifs d'optimisation dans ce cas sont de minimiser pollution diffuse dans le bassin versant, en réduisant au minimum le coût des pratiques de conservation. Un ensemble récent et en expansion de la recherche est d'essayer d'utiliser des méthodes similaires et intègre des modèles de qualité de l'eau au sens large avec des méthodes d'optimisation évolutionnaires 3,4,9,10,13-15,17-19,22,23,25. Dans cette application, nous démontrons un programme qui suit Rabotyagov et al. L 'approhaque et intègre un 7 moderne et couramment utilisé SWAT modèle de qualité de l'eau avec un algorithme évolutionnaire multiobjectif SPEA2 26, et l'utilisateur spécifié ensemble de pratiques de conservation et leurs coûts pour rechercher les frontières de compromis entre les coûts complets des pratiques de conservation et spécifiée par l'utilisateur qualité de l'eau objectifs. Les frontières de quantifier les compromis auxquels sont confrontés les gestionnaires de bassins versants en présentant la gamme complète des coûts liés à des objectifs différents amélioration de la qualité de l'eau. Le programme permet une sélection de configurations de bassins versants réalisation des objectifs spécifiés qualité de l'eau et une amélioration de la production des cartes de placement optimisé des pratiques de conservation.

Protocol

1. Préparer modèle du bassin et de fournir des données d'entrée pour l'optimisation Créer une base de données i_SWAT En utilisant un programme appelé "rotateur", de construire la base de données à partir de bases de données d'entrée multiples, y compris les sols, les conditions météorologiques, la gestion et l'engrais. Alternativement, une course SWAT existant (éventuellement créé avec ArcSWAT ou AVSWAT) peuvent être importés avec i_SWAT.exe. Dans…

Discussion

Nous construisons un système intégré de simulation-optimisation cadre à la recherche de Pareto-efficaces des ensembles de configurations des bassins versants impliquant la moins coûteuse mélange et l'emplacement des pratiques de conservation agricoles à atteindre une série d'objectifs au niveau des bassins versants de réduction des nutriments. Un schéma conceptuel du système de simulation-optimisation est présenté dans la Figure 8. Simulation des bassins versants, y compris la simul…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Cette recherche a été financée en partie par le soutien reçu de subventions de l'Agence américaine de protection de l'environnement Les bassins hydrographiques du programme (Projet n WS97704801) ciblée, la dynamique de la National Science Foundation des systèmes couplés naturelles et humaines (Projet DEB1010259-CARD-KLIN), et le ministère américain de l'Agriculture, l'Institut national de Foodand Agriculture Projet agricole coordonné (Projet # 20116800230190-CARD-).

References

  1. American Society of Agricultural and Biological Engineers. Design, layout, construction, and maintenance of terrace systems. ASAE Standard. , S268 (2003).
  2. . . Raccoon River Watershed water quality master plan. , (2011).
  3. 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).
  4. Bekele, E. G., Nicklow, J. W. Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms. Water Resour. Res. 41, W10406 (2005).
  5. 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).
  6. 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).
  7. 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 .
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. Muleta, M. K., Nicklow, J. W. Evolutionary algorithms for multiobjective evaluation of watershed management decisions. J. Hydroinform. 4 (2), 83-97 (2002).
  15. Muleta, M. K., Nicklow, J. W. Decision support for watershed management using evolutionary algorithms. J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. Ribaudo, M. O. Consideration of off-site impacts in targeting soil conservation programs. Land Econ. 62, 402-411 (1986).
  21. Ribaudo, M. O. Targeting the conservation reserve program to maximize water quality benefits. Land Econ. 65, 320-332 (1989).
  22. 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).
  23. 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).
  24. 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).
  25. Zitzler, E., Laumanns, M., Thiele, L. SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization. CIMNE. , 95-100 (2002).
check_url/4009?article_type=t

Play Video

Cite This Article
Rabotyagov, S., Campbell, T., Valcu, A., Gassman, P., Jha, M., Schilling, K., Wolter, C., Kling, C. Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm. J. Vis. Exp. (70), e4009, doi:10.3791/4009 (2012).

View Video