Spaziale Ottimizzazione multiobiettivo di pratiche di conservazione agricole utilizzando un modello SWAT e un algoritmo evolutivo
Summary
Questo lavoro dimostra una integrazione di un modello di qualità delle acque, con una componente di ottimizzazione utilizzando algoritmi evolutivi per risolvere per ottimale (basso costo) il deposito di pratiche di conservazione agricole per la definizione degli obiettivi di qualità delle acque di miglioramento. Le soluzioni vengono generati utilizzando un approccio multi-obiettivo, che consente per la quantificazione esplicita di compromessi.
Abstract
Trovare il rapporto costo-efficienti (ad esempio, a più basso costo) forme di investimenti mirati pratica di conservazione per il raggiungimento di specifici obiettivi di qualità delle acque in tutto il paesaggio è di primaria importanza nella gestione dei bacini idrografici. I metodi tradizionali di economia di trovare il più basso costo della soluzione nel contesto spartiacque (ad esempio, 5,12,20) assumono che off-site conseguenze possono essere accuratamente descritto come una proporzione del-sito l'inquinamento generato. Approcci, che non dovrebbero essere rappresentativi del processo di inquinamento reale in uno spartiacque, in cui l'impatto delle fonti inquinanti sono spesso determinati da complessi processi biofisici. L'uso di moderni fisicamente basati, modelli di simulazione idrologica spazialmente distribuiti consente un maggior grado di realismo in termini di rappresentazione ma richiede un processo di sviluppo di una simulazione-ottimizzazione quadro in cui il modello diventa parte integrante di ottimizzazione.
Evoluzionealgoritmi ary sembrano essere uno strumento di ottimizzazione particolarmente utile, in grado di trattare la natura combinatoria spartiacque simulazione-ottimizzazione problema e permettendo l'utilizzo del modello completo qualità dell'acqua. Algoritmi evolutivi il trattamento di una particolare allocazione territoriale delle pratiche di conservazione in un bacino come una soluzione candidata e utilizzare set (popolazioni) di soluzioni candidate iterativamente gli operatori che applicano stocastici di selezione, ricombinazione e mutazione di trovare miglioramenti rispetto agli obiettivi di ottimizzazione. Gli obiettivi di ottimizzazione in questo caso sono per ridurre al minimo l'inquinamento provocato Nonpoint nel bacino, allo stesso tempo riducendo al minimo il costo di pratiche di conservazione. Un insieme di recente e l'espansione della ricerca sta tentando di utilizzare metodi simili e si integra con i modelli di qualità delle acque in senso lato metodi di ottimizzazione evolutivi 3,4,9,10,13-15,17-19,22,23,25. In questa applicazione, dimostriamo un programma che segue Rabotyagov et al. 'S approach e integra un moderno e più comunemente utilizzati SWAT modello di qualità dell'acqua 7 con un algoritmo evolutivo multiobiettivo SPEA2 26, e specificato dall'utente insieme di pratiche di conservazione e dei relativi costi per la ricerca di frontiere trade-off tra i costi completi di pratiche di conservazione e specificato dall'utente qualità delle acque obiettivi. Le frontiere quantificare i compromessi che devono affrontare i responsabili spartiacque presentando l'intera gamma dei costi connessi con gli obiettivi di miglioramento della qualità delle acque diverse. Il programma consente una selezione di configurazioni spartiacque raggiungendo determinati obiettivi di miglioramento della qualità delle acque e una produzione di mappe di posizionamento ottimizzato delle pratiche di conservazione.
Protocol
Discussion
Costruiamo un sistema integrato di simulazione-ottimizzazione quadro per la ricerca di Pareto-efficiente set di configurazioni spartiacque che coinvolgono più basso costo mix e luogo di pratiche di conservazione agricole per ottenere una serie di spartiacque a livello di obiettivi di riduzione dei nutrienti. Uno schema concettuale della simulazione-ottimizzazione del sistema è presentato in Figura 8. Simulazione Watershed, tra cui la simulazione degli impatti sulla qualità delle acque di pratiche di …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Questa ricerca è stata finanziata in parte dal sostegno ricevuto dalla US Environmental Protection Agency ha mirato programma di Spartiacque di Grants (Progetto # WS97704801), la National Science Foundation di Dinamica dei accoppiati sistemi naturali e umani (Progetto # DEB1010259-CARD-KLIN), e il Dipartimento degli Stati Uniti delle Politiche Agricole-Istituto Nazionale di Progetto Coordinato agricolo Foodand Agricoltura (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).
