Diese Arbeit wurde zum Teil von der Unterstützung durch die US Environmental Protection Agency Gezielte Wasserscheiden Grants Program (Project # WS97704801) eingegangen sind, finanziert, der National Science Foundation Dynamik gekoppelter natürliche und menschliche Systeme (Project # DEB1010259-CARD-KLIN) und das US Department of Agriculture-National Institute of Coordinated Agricultural Foodand Agriculture Project (Projekt # 20116800230190-CARD-).

Ein. Bereiten Watershed Model und Bereitstellung von Input-Daten zur Optimierung <ol><li> Neues i_SWAT Datenbank <ol><li> Mit einem Programm namens &quot;Rotator&quot;, bauen die Datenbank von mehreren Input-Datenbanken, einschließlich Böden, Wetter, Management und Dünger. </li><li> Alternativ kann eine vorhandene SWAT Lauf (eventuell mit ArcSWAT oder AVSWAT erstellt) mit i_SWAT.exe importiert werden. In diesem Fall ist das Programm &quot;swat_rewrite&quot; kann zur Verwaltung oder anderen Informationen über HRU Feldebene Daten ersetzen. </li><li> Kalibrierung und Validierung des SWAT-Modell soll an dieser Stelle durchgeführt werden. Das SWAT (Version 2005) Modell innerhalb dieser Raccoon River Watershed EA Modeling Framework integriert wurde ursprünglich kalibriert und validiert für insgesamt Maximum Daily Load (TMDL) Studie von Jha et al. (2010). Weitere Kalibrierung und Validierung des SWAT-Modell wurde zur Unterstützung der Entwicklung eines Raccoon River Watershed Master Plan durchgeführt, wie beschrieBett in Agren, Inc. (2011), die das Modell SWAT, die für diese Studie verwendet wurde. </li><li> Verwenden Sie eine modifizierte Version des SWAT2005.exe, genannt SWAT2005GA.exe. </li></ol></li><li> Bereiten Sie die Datei &quot;Wasserscheide presets.csv&quot; - Dies ist eine Textdatei speichern viele der spezifischen Einstellungen der Raccoon Wasserscheide. Es wird von GeneticiSWAT und MapSWAT unten mehrere Steuerelemente und Datenfelder für das Einzugsgebiet mit einem Klick zu lesen. </li><li> Bereiten Sie die Kosten für die Erhaltung der Praxis Elemente. Für dieses Beispiel sind diese in Tabelle gespeichert [Praxis Kosten - Raccoon nach Bundesland] in einer Datenbank &quot;Practice Kosten Teileinzugsgebiet Josh.mdb&quot;. </li></ol> Die Gesamtkosten eines Kandidaten Lösung ist die Summe der Kosten der Erhaltung Praktiken angewendet Wasserscheide Einheiten (&quot;hydrologischen Response Units&quot; oder HRUs). Die Optimierung Programm berücksichtigt eine optimale Zuordnung eines einzelnen Erhaltung der Praxis von einem bestimmten Satz von der Erhaltung Praktiken in jedem Acker HRU in der Wasserscheide. Die sets möglicher Erhaltung Praktiken, die einer HRU genannt Allel-Sets. <ol start="4"><li> Erstellen SWAT Ordner. Für diesen Lauf, 16 CPUs verwendet wurden, dh 16 Kopien SWAT2005GA.exe in 16 separaten Ordnern ausgeführt wurden (das gleiche gilt für Systeme mit weniger CPUs, zB sollten 4 Ordner für ein &quot;Quad-Core&quot;-Prozessor erstellt werden). </li></ol> 2. Wählen Optimierungsparameter <ol><li> Die Optimierung wird durch das Programm namens &quot;GeneticISWAT&quot; gesteuert. Optimierung, offene GeneticISWAT.exe durchzuführen. <ol><li> Gehen Sie auf &quot;Datei&quot;, dann &quot;Open&quot; und wählen Sie die i_SWAT Datenbank &quot;Raccoon GA.mdb&quot;. </li><li> Gehen Sie auf &quot;Datei&quot;, dann &quot;Konfiguration&quot;, um die Pfade zu SWAT-Modell ausführbaren Dateien (SWAT2005GA.exe) zuordnen. </li><li> Gehen Sie auf &quot;Ausführen&quot;, dann &quot;Wählen Allele Set&quot;. Dieser Schritt bestimmt die Kombinationen der Erhaltung Praktiken bei der Optimierung verwendet. Für diesen Lauf, setzen Allel Nr. 14 verwendet wurde, welche über 23 Kombinationen von Naturschutz. Averfügbar Allel-Sets werden in der Konfigurationsdatei &quot;Alleles.csv&quot; gespeichert. </li><li> Gehen Sie auf &quot;Ausführen&quot;, und wählen Sie dann &quot;SPEA2 Archiv Baseline Aware Subset&quot; zu Mehrzieloptimierung mit dem SPEA2 evolutionären Algorithmus. </li></ol></li></ol><img src="/files/ftp_upload/4009/4009fig1.jpg" alt="Abbildung 1"/> Abbildung 1. Einstellung Optimierung Ziele und Parameter. Optimierung Parameter gewählt werden: Preset: Wählen Sie die Wasserscheide optimiert werden. Klicken Sie auf &quot;Übernehmen&quot; wählt Einträge aus dem Presets-Datei &quot;Wasserscheide presets.csv&quot; die Kontrolle Werte auf diesem Bildschirm zu füllen. Output Variable: Wählen Sie die Umweltziele für die Optimierung. As (N Outlet, P Outlet), definiert dies eine 3-dimensionale Zielfunktion: Stickstoff (Organic N + NO3 + NH4 + NO2), gemittelt über 5 Jahre an der Steckdose, Phosphor (Organic P + Mineral P), gemittelt über 5 Jahre an der Steckdose, und die Gesamtkosten der Erhaltung Praktiken. Beachten Sie, dass dies ein 3-dimensionales Kompromiss Grenze zu schaffen. Alternative Ausgangsvariablen können ausgewählt werden, wo die multikriterielle Programm ist zu minimieren ({Output Variable}, Total Cost). Einwohnerzahl: Set Anfangspopulationsgröße. Dies bestimmt die anfängliche Anzahl von Kandidaten-Lösungen. Wenn &quot;Seed mit jedem Allel&quot;-Option ausgewählt ist, werden Kandidaten-Lösungen, die eine einheitliche Anwendung der einzelnen Erhaltung Praxis in der Allel auf allen Ackerflächen HRUs im Einzugsgebiet festgelegt zuerst erstellt. Die übrigen Kandidaten-Lösungen werden von einem zufälligen Zuordnung der Erhaltung Praktiken aus dem Allel auf Ackerland HRUs erstellt. Bei der Auswahl des &quot;Seed mit jedem Allel&quot;-Option, muss man sicherstellen, dass der Anfangspopulationsgröße mindestens so groß ist wie die Anzahl der Allele in einem Allel Satz (23 in dieser Demonstration). Anzahl der Generationen: Stellen Sie die gewünschte Anzahl der Generationen (Iterationen) für die Optimierung run (beachten Sie, dass der Lauf neu gestartet werden kann). Crossover-Wahrscheinlichkeit: Wenn zwei Kandidaten für die Schaffung neuer Kandidaten-Lösungen gewählt werden, gibt Crossover Wahrscheinlichkeit die Wahrscheinlichkeit, dass verschiedene neue Lösungen erstellt werden (auf 1 gesetzt für diese Demonstration). Größe des temporären Bevölkerung: Dies bestimmt die Anzahl der neuen Kandidaten Lösungen geschaffen. Prozessorressourcen werden am effizientesten, wenn dieser Wert ist ein ganzzahliges Vielfaches der Anzahl von Prozessor-Threads (16 in dieser Demonstration) verwendet. Mutation Wahrscheinlichkeit: Geben Sie die Wahrscheinlichkeit, dass zufällige Veränderung in HRU Zuordnung zu einem anderen Erhaltung der Praxis von der Allel-Set. (Es wird auf 0,03 für diese Demonstration gesetzt). Anzahl derThemen: Wählen Sie die Anzahl der Prozessoren oder Fäden verwendet. 16 ist in dieser Demonstration verwendet. Kurve Nr. Kalibrierfaktor: Diese wird aus dem SWAT Modell-Kalibrierung zur Verfügung gestellt. Speichern Bevölkerung in Textdatei: Dies ist wichtig, um festzulegen, ob man wünscht, die Optimierung nach der angegebenen Anzahl von Iterationen ausgeführt Neustart abgeschlossen ist. Wenn Sie diese Option wird eine Textdatei mit den Allelwerte jeder HRU in jedem überlebenden Kandidaten Lösung (individuell). Dies kann wieder eingelesen werden, um neu zu starten und weiterhin einen Lauf. Sekundäre Optimierungsparameter First Year: Muss zu einem Jahr nach Beginn der historischen Wetterdaten eingestellt werden, und nicht später als 7 Jahre vor Ende dieser Daten. Preis von Mais: In Verbindung mit dem Ertragsverlust Gleichung, um die Kosten für Düngemittel Reduzierungen zu schätzen. <pclass = &quot;jove_content&quot;&gt; Scoring Methode: SPEA2 Archiv. Scoring bestimmt, wie wahrscheinlich ein überlebenden Einzelnen, für Crossover gewählt werden soll. Purge-Methode: Dominiert. Personen, die schlimmer sind in allen 3 Dimensionen beherrscht und gespült. HUC Quelle: Set to &quot;festgelegte Location&quot;, dh den Wert &quot;7100006&quot; aus dem folgenden Feld &quot;Watershed HUC&quot; wird verwendet, um eine Zeile in der HUC Zone Tisch zu finden. Der Wert &quot;07100006&quot; ist die achtstellige HUC Code für das Raccoon Wasserscheide. Kosten Quelle: Set zu &quot;County (HRU Location Code)&quot;, um anzuzeigen, dass andere Kosten als CRP nach Bundesland FIPS-Codes werden in der Praxis die Kosten obigen Tabelle ermittelt werden. Cost Quelle CRP: Wählen Sie &quot;1 Location&quot;, dass CRP Kosten geben wird nach Bundesland FIPS-Codes in der Praxis Kosten obigen Tabelle ermittelt werden. <strong&gt; SWAT version: SWAT2005 3. Repräsentative Ergebnisse GeneticiSWAT.exe produziert eine Protokolldatei mit der Einstellungen und die Ergebnisse für alle Kandidaten-Lösungen (Individuen), sowie ein &quot;Speichern&quot;-Datei, die die Ergebnisse aus dem endgültigen Algorithmus Iteration und mit deren Hilfe die Optimierungslauf starten kann kodiert. An dieser Stelle kann man die gesamte Menge der Pareto-effiziente Lösungen (der Kompromiss Grenze), indem Sie die folgenden Schritte visualisieren: <ol><li> Führen GeneticiSWAT; <ol><li> Gehen Sie auf &quot;Datei&quot;, dann &quot;Open&quot;, um die i_SWAT Datenbank &quot;Raccoon GA.mdb&quot; zu öffnen. </li><li> Gehen Sie auf &quot;Ausführen&quot;, dann &quot;Export HRU List&quot;. Datei speichern unter &quot;Raccoon Allele HRU.txt&quot;. </li></ol></li><li> Produzieren Sie eine Animation, indem Sie Mapswat.exe, wählen Sie &quot;Ausführen&quot; und dann &quot;3d Animation&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig2.jpg" alt="Abbildung 2"/> Abbildung 2. Screenshot für die Erstellung von &quot;Momentaufnahmen&quot; für 3-dimensionale Grenze Visualisierung. Output ist eine Reihe von Dateien, die alle gemacht auf einmal werden in Bilddateien mit POV-Ray-Programm und wählen Sie &quot;Render&quot;, dann &quot;File Queue&quot;. Die Bilder können auch einzeln verwendet werden oder kombiniert in einem Film zeigt den Algorithmus Progression. <img src="/files/ftp_upload/4009/4009fig3.jpg" alt="Abbildung 3"/> Abbildung 3. Statische Visualisierung der Kompromiss Grenze. Falls gewünscht, kann ein Film zeigt den Algorithmus Progression durch läuft &quot;Framescanner.exe&quot; und die folgenden Schritte erstellt werden: <ol><li> Gehen Sie auf &quot;Datei&quot;, dann &quot;Neu&quot;, dann &quot;Datei&quot;, dann &quot;Import&quot;, dann &quot;PNG Files&quot;. Wählen Sie die statischen Bildern. </li><li> Um einen Film zu schaffen, &quot;Datei&quot;, dann &quot;Export&quot;, dann &quot;AVI&quot;. </li><li> Wählen Codec &quot;DIB&quot;, um AVI-Dateien von Chargen-Image erstellenDateien. </li></ol> Jeder Punkt in der Grenze stellt einen Wendepunkt Konfiguration (eine spezifische Zuordnung der Erhaltung Praktiken auf einem Querformat). Karten dieser Konfigurationen kann für die gesamte Grenze mit den folgenden Schritten gesehen werden: <ol><li> Führen Mapswat.exe, wählen Sie &quot;Ausführen&quot;, dann &quot;Map Animation&quot;. </li><li> Wählen Sie &quot;Raccoon&quot; von Preset-Liste und klicken Sie auf &quot;Übernehmen&quot;. </li><li> Wählen Sie &quot;Layout 7 (Waschbär)&quot; von Map Layout-Liste und klicken Sie auf &quot;OK&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig4.jpg" alt="Abbildung 4"/> Abbildung 4. Screenshot der Schaffung einer Karte von jedem einzelnen in der letzten Grenze. Exportieren spezifischen Wasserscheide Konfigurationen (Individuen) von Interesse. Oft eine Frage von Interesse ist es, spezifische Wasserscheide Konfigurationen (Individuen) zu erreichen insbesondere Wasserqualität Ziele auszuwählen. Zum Beispiel kann es erwünscht sein, eine indiv. findenidual in der Grenze, die Stickstoff um 30% reduziert und Phosphor um 20% im Vergleich zum Ausgangswert Belastungen. MapSWAT ermöglicht es, die Grenze für den einzelnen zu suchen mit dem kleinsten euklidischen Abstand zu dem angegebenen Ziel. Dies kann wie folgt geschehen: <ol><li> Öffnen MapSWAT.exe. Wählen Sie &quot;Ausführen&quot; | &quot;Suchen&quot;. </li></ol><img src="/files/ftp_upload/4009/4009fig5.jpg" alt="Abbildung 5"/> Abbildung 5. Screenshot der Suche nach einer bestimmten Person im Grenzgebiet auf die Wasserqualität Ziele. <ol start="2"><li> Geben minimalen und maximalen Reduktionsziele Tmin und Tmax sowie ein Intervall Tint. Geben Sie auch einen bestimmten Prozent weniger Stickstoff (nsoll) gegenüber dem Ausgangswert in der &quot;% reduction&quot; Platz neben N Baseline und prozentige Reduktion der Phosphor (Pspez) in der &quot;% Ermäßigung&quot; neben Phosphor Grundlinie. Das Programm erzeugt eine Ausgabe in einem Popup-Fenster: </li></ol><html><img src="/files/ftp_upload/4009/4009fig6.jpg" alt="Abbildung 6"/> Abbildung 6. Screenshot der Suche ausgegeben <ol start="3"><li> Klicken Sie auf &quot;Text kopieren&quot; und fügen Sie ihn in eine Tabellenkalkulation. Drei Tabellen erzeugt werden. In der ersten sind Personen nächsten N-und P-Ziele der gleichen prozentualen Reduktion, die von Tmin zu Tmax reicht von Tint. Nur unter dieser am nächsten Einzelnen zum Ziel (nspec, Pspez) erscheint. Zweitens gibt eine Tabelle nächsten Individuen, wo die P Zielbereiche von Tmin zu Tmax während N konstant gehalten Nähe nspec wird. Drittens, eine Tabelle mit Personen nächsten N-Ziele von Tmin zu Tmax während P konstant gehalten Nähe Pspez. In diesem Fall war der engste Individuum zu einer 30% Reduktion ID N 8423 mit einem N-Wert von 14,637,279.60. Hier ist die Karte zeigt die räumliche Verteilung der Erhaltung Praktiken und die Lage dieser Wasserscheide Konfiguration im Kompromiss Grenze: </li></ol>files/ftp_upload/4009/4009fig7.jpg &quot;alt =&quot; Abbildung 7 &quot;/&gt; Abbildung 7. Screenshot einer Probe Karte beschreibt die ausgewählte Person in der Grenze. <a href="http://www.jove.com/files/ftp_upload/4009/4009fig7large.jpg" target="_blank">Klicken Sie hier für eine größere Abbildung zu sehen</a> . Exportieren Karte Daten zur weiteren Analyse durch folgende Schritte möglich: <ol><li> Führen Mapswat.exe, wählen Sie &quot;Ausführen&quot;, dann &quot;Export Map Data&quot;. </li><li> Wählen Sie &quot;Raccoon&quot; von Preset-Liste und klicken Sie auf &quot;Übernehmen&quot;. </li><li> Geben Sie die ID ein Wendepunkt Konfiguration (individuellen) (8423 gezeigt), zu überprüfen &quot;Show Allele Eigenschaften&quot; und &quot;Show Costs&quot;, und klicken Sie dann auf &quot;OK&quot;. Diese Daten können verwendet werden, um benutzerdefinierte Karten der ausgewählten Wasserscheide Konfiguration mit einem GIS-Programm zu erstellen. </li></ol><table border="1"><tbody><tr><td> Name des Programms </td><td> Quelle </td><td> Beschreibung </td></tr><tr><td> Rotator </td><td> CARD </td&gt; <td> Erstellt und füllt eine i_SWAT Datenbank mit Boden, Wetter und Management-Daten für eine Wasserscheide. </td></tr><tr><td> Swat2005GA.exe </td><td> USDA Grassland, Soil &amp; Water Research Laboratory </td><td> Watershed Simulationsmodell </td></tr><tr><td> i_SWAT.exe </td><td> CARD </td><td> SWAT Datenbank-Schnittstelle </td></tr><tr><td> GeneticISWAT.exe </td><td> CARD </td><td> Evolutionäre Algorithmen SWAT-Controller. Beinhaltet Galib von <a href="http://lancet.mit.edu/ga/" target="_blank">http://lancet.mit.edu/ga/</a> . </td></tr><tr><td> MapSWAT.exe </td><td> CARD </td><td> Liest i_SWAT Datenbanken und Shapefiles erzeugt Bilder von Generationen und Einzelpersonen. </td></tr><tr><td> POV-Ray </td><td> Povray.org </td><td> Persistence of Vision Raytracer. </td></tr><tr><td> Framescanner.exe </td><td> Todd Campbell </td><td> PNG image to AVI Converter </td></tr><tr><td> Windows Live Movie Maker </td><td> Microsoft </td><td> Verwendet werden, um AV komprimierenIch WMV </td></tr></tbody></table> Tabelle 1. Tabelle von Programmen benötigt. <table border="1"><tbody><tr><td> Name der Datei </td><td> Typ </td><td> Beschreibung </td></tr><tr><td> Raccoon GA.mdb </td><td> Access-Datenbank </td><td> Aufbau und Management Beschreibungen von Raccoon Wasserscheide. Gelesen von GeneticiSWAT und MapSWAT. </td></tr><tr><td> Wasserscheide presets.csv </td><td> Text </td><td> Einstellen Voreinstellungen für GeneticiSWAT.exe und MapSWAT </td></tr><tr><td> Alleles.csv </td><td> Text </td><td> Liste der Allel-Sets für evolutionären Algorithmus. </td></tr><tr><td> Raccoon Allele HRU.txt </td><td> Text </td><td> Datei GeneticISWAT Auflistung dieser Allele bestimmt in Ackerland werden erstellt. Gelesen von MapSWAT. </td></tr><tr><td> Praxis Kosten Teileinzugsgebiet Josh.mdb </td><td> Access-Datenbank </td><td> Die Kosten, die Management-Praxis und Landkreis. </td></tr><tr><td> Terrasse Zones.mdb </td><td> Access-Datenbank </td><td> Tabelle [HUC Data] hält die Terrasse und Ertrag Zonennummern für die Wasserscheide. </td></tr><tr><td> NRI Budgets.mdb </td><td> Access-Datenbank </td><td> Gelesen von GeneticISWAT.exe für den Pflanzenschutz &amp; Maschine Tabellen, die nicht in diesem Lauf verwendet werden. </td></tr><tr><td> phucrp 2008-12-15.dat </td><td> Text </td><td> Pflanzen Heat Unit Lookup-Tabelle, nicht in dieser Ausführung verwendet. </td></tr><tr><td> Management.mdb </td><td> Access-Datenbank </td><td> Drehung Nachschlagetabelle, nicht in dieser Ausführung verwendet. </td></tr><tr><td> Raccoon GA 2011.09.28 1313.log, Raccoon GA 2011.09.29 0732.log, Raccoon GA 2011.10.07 0644.log </td><td> Text </td><td> Log-Dateien GeneticISWAT Lauf. </td></tr><tr><td> <a href="http://www.jove.com/4009/Raccoon_GA.wmv">Raccoon GA.wmv</a> </td><td> Animation </td><td> 3D-Darstellung von Personen, die von Generation </td></tr><tr><td> <a href="http://www.jove.com/4009/Subbasin.shp" target="_blank">Subbasin.shp</a> </a&gt; </td><td> ESRI Shapefile </td><td> Umrisse der Teileinzugsgebiete im Einzugsgebiet. </td></tr><tr><td> <a href="http://www.jove.com/4009/Raccoon_Map.wmv" target="_blank">Raccoon Map.wmv</a> </td><td> Animation </td><td> Anzeige der dominanten Allele für jedes Teileinzugsgebiet für jeden einzelnen an der Grenze. </td></tr></tbody></table> Tabelle 2. Tabelle der Probe Dateien erforderlich.

<ol>
	<li>American Society of Agricultural and Biological Engineers. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Design,+layout,+construction,+and+maintenance+of+terrace+systems.">Design, layout, construction, and maintenance of terrace systems.</a> ASAE Standard. , S268 (2003).</li><li>. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Raccoon River Watershed water quality master plan. , (2011).</li><li>Arabi, M., Govindaraju, R. S., Hantush, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cost-effective+allocation+of+watershed+management+practices+using+a+genetic+algorithm.">Cost-effective allocation of watershed management practices using a genetic algorithm.</a> Water Resour. Res. 42, W10429 (2006).</li><li>Bekele, E. G., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multiobjective+management+of+ecosystem+services+by+integrative+watershed+modeling+and+evolutionary+algorithms.">Multiobjective management of ecosystem services by integrative watershed modeling and evolutionary algorithms.</a> Water Resour. Res. 41, W10406 (2005).</li><li>Carpentier, C. L., Bosch, D. J., Batie, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+spatial+information+to+reduce+costs+of+controlling+agricultural+nonpoint+source+pollution.">Using spatial information to reduce costs of controlling agricultural nonpoint source pollution.</a> Am. J. Agr. Econ. 61, 404-413 (1998).</li><li>Gassman, P. W., Reyes, M., Green, C. H., Arnold, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Soil+and+Water+Assessment+Tool:+Historical+development,+applications,+and+future+directions.">The Soil and Water Assessment Tool: Historical development, applications, and future directions.</a> Trans. ASABE. 50 (4), 1211-1250 (2007).</li><li>Gassman, P. W., Campbell, T., Secchi, S., Jha, M., Arnold, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+i_SWAT+software+package:+a+tool+for+supporting+SWAT+watershed+applications.">The i_SWAT software package: a tool for supporting SWAT watershed applications.</a> , 66-69 .</li><li>Gitau, M. W., Veith, T. L., Gburek, W. J., Jarrett, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Watershed+level+best+management+practice+selection+and+placement+in+the+Town+Brook+watershed,+New+York.">Watershed level best management practice selection and placement in the Town Brook watershed, New York.</a> J. Am. Water Resour. Assoc. 42, 1565-1581 (2006).</li><li>Jha, M., Rabotyagov, S., Gassman, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimal+placement+of+conservation+practices+using+genetic+algorithms+with+SWAT.">Optimal placement of conservation practices using genetic algorithms with SWAT.</a> Int. Agr. Eng. J. 18 (1-2), 41-50 (2009).</li><li>Jha, M. K., Wolter, C. F., Schilling, K. E., Gassman, P. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Assessment+of+total+maximum+daily+load+implementation+strategies+for+nitrate+impairment+of+the+Raccoon+River,+Iowa.">Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa.</a> J. Envir. Qual. 39, 1317-1327 (2010).</li><li>Kanna, M., Yang, W., Farnsworth, R., Onal, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cost+effective+targeting+of+CREP+to+improve+water+quality+with+endogenous+sediment+deposition+coefficients.">Cost effective targeting of CREP to improve water quality with endogenous sediment deposition coefficients.</a> Am. J. Agr. Econ. 85, 538-553 (2003).</li><li>Kramer, R. A., McSweeny, W. T., Kerns, W. R., Stravros, R. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+evaluation+of+alternative+policies+for+controlling+agricultural+nonpoint+source+pollution.">An evaluation of alternative policies for controlling agricultural nonpoint source pollution.</a> Water Resour. Bull. 20, 841-8446 (1984).</li><li>Lant, C. L., Kraft, S. E., Beaulieu, J., Bennett, D., Loftus, T., Nicklow, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+GIS-based+ecological-economic+modeling+to+evaluate+policies+affecting+agricultural+watersheds.">Using GIS-based ecological-economic modeling to evaluate policies affecting agricultural watersheds.</a> Ecol. Econ. 55, 467-484 (2005).</li><li>Muleta, M. K., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evolutionary+algorithms+for+multiobjective+evaluation+of+watershed+management+decisions.">Evolutionary algorithms for multiobjective evaluation of watershed management decisions.</a> J. Hydroinform. 4 (2), 83-97 (2002).</li><li>Muleta, M. K., Nicklow, J. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Decision+support+for+watershed+management+using+evolutionary+algorithms.">Decision support for watershed management using evolutionary algorithms.</a> J. Water Resour. Plan. Manag. 131 (1), 35-44 (2005).</li><li>Rabotyagov, S. S., Campbell, T., Jha, M., Gassman, P. W., Arnold, J., Kurkalova, L., Secchi, S., Feng, H., Kling, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Least+Cost+Control+of+Agricultural+Nutrient+Contributions+to+the+Gulf+of+Mexico+Hypoxic+Zone.">Least Cost Control of Agricultural Nutrient Contributions to the Gulf of Mexico Hypoxic Zone.</a> Ecol. Appl. 20, 1542-1555 (2010).</li><li>Rabotyagov, S., Jha, M., Campbell, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+crop+rotations+on+optimal+selection+of+conservation+practices+for+water+quality+protection.">Impact of crop rotations on optimal selection of conservation practices for water quality protection.</a> J. Soil. Water Conserv. 65 (6), 369-380 (2010).</li><li>Rabotyagov, S. S., Jha, M., Campbell, T. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nonpoint-source+pollution+for+an+Iowa+watershed:+An+application+of+evolutionary+algorithms.">Nonpoint-source pollution for an Iowa watershed: An application of evolutionary algorithms.</a> Canadian Journal of Agricultural Economics/Revue canadienne d'agroeconomie. , (2010).</li><li>Rabotyagov, S. S., Jha, M., Campbell, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Searching+for+Efficiency:+Least+Cost+Nonpoint+Source+Pollution+Control+with+Multiple+Pollutants,+Practices,+and+Targets.">Searching for Efficiency: Least Cost Nonpoint Source Pollution Control with Multiple Pollutants, Practices, and Targets.</a> J. Nat. and Environ. Sci. 1, 75-90 (2010).</li><li>Ribaudo, M. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Consideration+of+off-site+impacts+in+targeting+soil+conservation+programs.">Consideration of off-site impacts in targeting soil conservation programs.</a> Land Econ. 62, 402-411 (1986).</li><li>Ribaudo, M. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeting+the+conservation+reserve+program+to+maximize+water+quality+benefits.">Targeting the conservation reserve program to maximize water quality benefits.</a> Land Econ. 65, 320-332 (1989).</li><li>Srivastava, P., Hamlett, J. M., Robillard, P. D., Day, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Watershed+optimization+of+best+management+practices+using+AnnAGNPS+and+a+genetic+algorithm.">Watershed optimization of best management practices using AnnAGNPS and a genetic algorithm.</a> Water Resour. Res. 38 (3), 1-14 (2002).</li><li>Veith, T. L., Wolfe, M. L., Heatwole, C. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+of+optimization+procedure+for+cost-effective+BMP+placement.">Development of optimization procedure for cost-effective BMP placement.</a> J. Am. Water Resour. Assoc. 39 (6), 1331-1343 (2003).</li><li>Whittaker, G., Confesor, R., Griffith, S. M., F&#228;re, R., Grosskopf, S., Steiner, J. J., Mueller-Warrant, G. W., Banowetz, G. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Hybrid+Genetic+Algorithm+for+Multiobjective+Problems+with+Activity+Analysis-based+Local+Search.">A Hybrid Genetic Algorithm for Multiobjective Problems with Activity Analysis-based Local Search.</a> Eur. J. Operat. Res. , (2007).</li><li>Zitzler, E., Laumanns, M., Thiele, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SPEA2:+Improving+the+Strength+Pareto+Evolutionary+Algorithm+for+Multiobjective+Optimization.">SPEA2: Improving the Strength Pareto Evolutionary Algorithm for Multiobjective Optimization.</a> CIMNE. , 95-100 (2002).</li></ol>

Keine Interessenskonflikte erklärt.

Wir bauen eine integrierte Simulations-Optimierung Rahmenbedingungen für Pareto-effiziente Sätze von Wasserscheide Konfigurationen mit niedrigsten Kosten Mix und Lage von landwirtschaftlichen Erhaltung Praktiken, um einen Bereich der Wasserscheide-Level-Nährstoff-Reduktionsziele zu erreichen suchen. Eine konzeptionelle Darstellung der Simulations-Optimierung ist in Abbildung 8 dargestellt. Watershed Simulation, einschließlich Simulation der Wasserqualität Auswirkungen landwirtschaftlicher Erhaltung...

spatial multiobjective optimization of agricultural conservation practices using a swat model and an evolutionary algorithm

Das Finden der wirtschaftlich (dh niedrigsten Kosten) Möglichkeiten von Targeting Erhaltung der Praxis Investitionen für die Erreichung eines bestimmten Wasserqualität Ziele in der Landschaft ist von zentraler Bedeutung in Watershed Management. Traditionelle Ökonomie Methoden zu finden, die kostengünstigste Lösung in der Wasserscheide Kontext (zB 5,12,20) davon ausgehen, dass off-site Auswirkungen genau kann als Anteil der Vor-Ort Umweltverschmutzung erzeugt beschrieben werden. Solche Ansätze sind kaum repräsentativ für die tatsächliche Verschmutzung Prozess in einem Einzugsgebiet, in dem die Auswirkungen von umweltschädlichen Quellen häufig durch komplexe biophysikalische Prozesse bestimmt werden. Der Einsatz moderner physikalisch basierten, räumlich verteilten hydrologischen Simulationsmodellen ermöglicht einen höheren Grad an Realismus in Bezug auf die Prozessdarstellung erfordert aber eine Entwicklung eines Simulations-Optimierung Rahmen, in dem das Modell zu einem integralen Bestandteil der Optimierung. Evolutionary Algorithmen scheinen eine besonders nützliche Optimierungs-Tool in der Lage, mit der kombinatorischen Charakter einer Wasserscheide Simulations-Optimierung Problem umzugehen und erlaubt die Verwendung des vollen Wasserqualität Modell sein. Evolutionäre Algorithmen behandeln eine bestimmte räumliche Zuordnung der Erhaltung Praktiken in einem Wassereinzugsgebiet als Kandidat Lösung und nutzen Sets (Populationen) von Kandidaten-Lösungen iterative Anwendung stochastischer Betreiber von Selektion, Rekombination und Mutation zu Verbesserungen im Hinblick auf die Optimierung der Ziele zu finden. Die Optimierung Ziele sind in diesem Fall die diffuse Verschmutzung im Einzugsgebiet zu minimieren, gleichzeitiger Minimierung der Kosten für die Erhaltung Praktiken. Eine aktuelle und Ausbau Reihe von Forschungs versucht, ähnliche Methoden zu verwenden und integriert Wasserqualität Modelle mit breiter definierten evolutionäre Optimierungsverfahren 3,4,9,10,13-15,17-19,22,23,25. In dieser Anwendung demonstrieren wir ein Programm, welches Rabotyagov et al folgt. &#39;S entspreach und integriert eine moderne und häufig verwendete SWAT Wasserqualität Modell 7 mit einem multikriterielle evolutionären Algorithmus SPEA2 26 und Benutzer-spezifizierten Satz von der Erhaltung Praktiken und deren Kosten für die komplette Kompromiss Grenzen zwischen Kosten der Erhaltung Praktiken und vom Benutzer angegebenen Wasserqualität suchen Ziele. Die Grenzen zu quantifizieren die Kompromisse der Wasserscheide Managern durch die Vorlage der vollständigen Reihe von Kosten mit verschiedenen Verbesserung der Wasserqualität Ziele verknüpft konfrontiert. Das Programm ermöglicht eine Auswahl der Wasserscheide Konfigurationen erreichen angegebene Verbesserung der Wasserqualität Ziele und eine Produktion von Karten von optimierten Platzierung der Erhaltung Praktiken.

Watch this Scientific Journal Video about Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm at JoVE.com

Spatial Multiobjective Optimization of Agricultural Conservation Practices using a SWAT Model and an Evolutionary Algorithm

Diese Arbeit zeigt eine Integration einer Wasserqualität Modell mit einer Optimierung Komponente nutzen evolutionären Algorithmen für eine optimale (niedrigsten Kosten) Platzierung von landwirtschaftlichen Erhaltung Praktiken für eine bestimmte Reihe von Verbesserung der Wasserqualität Ziele zu lösen. Die Lösungen werden unter Verwendung eines multi-objektiven Ansatz, so dass für die explizite Quantifizierung von Kompromissen.

Spatial Mehrzieloptimierung of Agricultural Conservation Practices mit einem SWAT-Modell und einem evolutionären Algorithmus

Finding the cost-efficient (i.e., lowest-cost) ways of targeting conservation practice investments for the achievement of specific water quality goals ...

spatial-multiobjective-optimization-agricultural-conservation

Research

JoVE Journal

Biology

12.9K Aufrufe.  University of Washington. Diese Arbeit zeigt eine Integration einer Wasserqualität Modell mit einer Optimierung Komponente nutzen evolutionären Algorithmen für eine optimale (niedrigsten Kosten) Platzierung von landwirtschaftlichen Erhaltung Praktiken für eine bestimmte Reihe von Verbesserung der Wasserqualität Ziele zu lösen. Die Lösungen werden unter Verwendung eines multi-objektiven Ansatz, so dass für die explizite Quantifizierung von Kompromissen.