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

Résumé

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.

Résumé

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.

Protocole

1. Préparer modèle du bassin et de fournir des données d'entrée pour l'optimisation

1. Créer une base de données i_SWAT
   1. 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.
   2. Alternativement, une course SWAT existant (éventuellement créé avec ArcSWAT ou AVSWAT) peuvent être importés avec i_SWAT.exe. Dans ce cas, le programme "swat_rewrite" peut être utilisé pour remplacer la gestion ou de l'information HRU autre sur le terrain au niveau des données.
   3. Calibration et la validation du modèle SWAT doit être effectuée à ce stade. Le SWAT (version 2005) modèle intégrait dans ce cadre versant de la rivière modélisation Raccoon EA a été calibré et validé pour un total de charge maximale (TMDL) Daily étude telle que décrite par Jha et al. (2010). Calibration et la validation du modèle SWAT a été menée à l'appui de l'élaboration d'un plan directeur bassin de la rivière raton laveur, comme décrit cilit dans Agren, Inc (2011), qui est le modèle SWAT qui a été utilisé pour cette étude.
   4. Utilisez une version modifiée de SWAT2005.exe, appelé SWAT2005GA.exe.
2. Préparer le fichier "bassin versant presets.csv" - Ceci est un fichier texte stocker de nombreux paramètres spécifiques au bassin versant de raton laveur. Il est lu par GeneticiSWAT et MapSWAT ci-dessous pour définir des contrôles multiples et les champs de données pour le bassin versant d'un seul clic.
3. Préparer les coûts des éléments pratiques de conservation. Pour cet exemple, ceux-ci sont stockées dans la table [Coûts de pratique - Raton laveur par comté] dans les «coûts par sous-bassin de pratique Josh.mdb" base de données a.

Le coût total d'une solution candidate est la somme des coûts des mesures de conservation appliquées aux unités de bassins versants ("unités d'intervention hydrologiques», ou HRUS). Le programme d'optimisation considère une affectation optimale d'une pratique de conservation unique à partir d'un ensemble particulier de pratiques de conservation des terres cultivées dans tous les HRU dans le bassin versant. Le sets des pratiques de conservation possibles attribuées à un HRU sont appelés ensembles d'allèles.

4. Créer SWAT dossiers. Pour cette course, 16 processeurs ont été utilisés, ce qui signifie 16 exemplaires de SWAT2005GA.exe ont été exécutés dans 16 dossiers distincts (la même chose s'applique pour les systèmes avec moins de processeurs, par exemple, 4 dossiers doivent être créés pour un "quad-core" du processeur).

2. Sélectionnez Paramètres d'optimisation

1. L'optimisation est contrôlée par le programme appelé "GeneticISWAT". Pour effectuer l'optimisation, GeneticISWAT.exe ouvert.
   1. Allez dans "Fichier", puis "Ouvrir" et sélectionnez la base de données i_SWAT "Raccoon GA.mdb".
   2. Allez dans "Fichier", puis "Configuration" pour assigner les chemins des exécutables pour SWAT modèle (SWAT2005GA.exe).
   3. Aller sur «Execute», puis «Select Set allèle". Cette étape permet de déterminer les combinaisons de pratiques de conservation utilisés dans l'optimisation. Pour cette course, l'allèle set # 14 a été utilisé, qui compte 23 combinaisons de pratiques de conservation. Av.ensembles DISPONIBLES allèles sont stockés dans le fichier de configuration "Alleles.csv".
   4. Allez sur "Exécuter", puis sélectionnez "Sous-ensemble SPEA2 Archives de base Aware» pour effectuer l'optimisation multiobjectif en utilisant l'algorithme évolutionnaire SPEA2.

Figure 1. Fixer des objectifs d'optimisation et les paramètres.

Optimisation des paramètres à sélectionner:

Preset: Sélectionnez le bassin versant d'être optimisé. En cliquant sur "Appliquer" sélectionne les entrées du fichier préréglages "bassin versant presets.csv" pour remplir les valeurs de contrôle sur cet écran.

Variable de sortie: Choisir les objectifs environnementaux pour l'optimisation. Comme choisi (N Outlet, P sortie), ce qui définit une fonction objectif en 3 dimensions: Azote (N organique + NO3 + NH4 + NO2) en moyenne pendant 5 ans à la sortie, Phosphore (Organic P + P minéral) en moyenne pendant 5 ans à la sortie, et le coût total de pratiques de conservation. Notez que cela va créer une frontière compromis en 3 dimensions. Variables de sortie alternatifs peuvent être choisis, où le programme multiobjectif est de minimiser ({} Variable de sortie, Total Cost).

Taille de la population: taille de la population initiale Set. Ceci détermine le nombre initial de solutions candidates. Lorsque «semences avec chaque allèle" option est sélectionnée, les solutions de candidats représentant une application uniforme de chaque pratique de conservation spécifiée dans l'allèle mis à toutes les HRUS terres cultivées dans le bassin versant sont créés en premier. Les solutions candidates restantes sont créés par une affectation aléatoire des pratiques de conservation de l'allèle mis en terres cultivées HRUS. Lors de la sélection de la «semence de chaque allèle" option, il faut s'assurer que la taille de la population initiale est au moins aussi grand que le nombre d'allèles dans un ensemble allèle (23 dans cette démonstration).

Nombre de générations: Réglez le nombre souhaité de générations (itérations) pour le cycle d'optimisation (à noter que la course peut être redémarré).

Probabilité de coupure: Lorsque deux solutions candidates sont sélectionnées pour créer des solutions de nouveaux candidats, la probabilité de croisement indique la probabilité que de nouvelles solutions distinctes sont créées (mis à 1 pour cette démonstration).

Taille de la population temporaire: Ceci détermine le nombre de solutions candidates créés. Les ressources du processeur sont utilisées le plus efficacement lorsque cette valeur est un multiple entier du nombre de threads processeur (16 dans cette démonstration).

Probabilité de mutation: Spécifiez la probabilité d'un changement dans l'affectation aléatoire HRU à une autre pratique de la conservation de l'ensemble des allèles. (Il se situe à 0,03 pour cette démonstration).

Nombre d'threads: Sélectionnez le nombre de processeurs ou de fils utilisés. 16 est utilisé dans cette démonstration.

Facteur d'étalonnage courbe n °: Ceci est fourni à partir de la calibration du modèle SWAT.

Enregistrer la population dans un fichier texte: Il est important de choisir si l'on veut relancer l'optimisation courir après le nombre spécifié d'itérations est terminée. Si vous cochez cette option génère un fichier texte avec les valeurs alléliques de chaque HRU dans chaque solution candidate survivant (individuel). Cela peut être relue pour redémarrer et continuer à courir.

Paramètres d'optimisation secondaires

Première année: Doit être réglé à un an après l'ouverture de l'information météorologique historique, et au plus tard 7 ans avant la fin de ces données.

Prix ​​du maïs: Utilisé avec l'équation de perte de rendement afin d'estimer le coût des réductions d'engrais.

Méthode de notation: SPEA2 Archive. Notation détermine la probabilité d'un individu survivant doit être sélectionné pour croisement.

Méthode de purge: Dominé. Les personnes qui sont pires dans les 3 dimensions sont dominés et purgé.

Source HUC: Régler sur "emplacement spécifié", c'est à dire la valeur "7100006" parmi les options suivantes "HUC bassin versant" est utilisé pour trouver une ligne dans la table HUC Zone. La valeur "07100006" est le code à huit chiffres HUC pour le bassin versant de raton laveur.

Source Coût: Réglez sur «County (Code de localisation HRU)» pour indiquer que d'autres coûts que la CRP sera déterminé par les codes FIPS de comté dans la pratique, les coûts du tableau ci-dessus.

Source Coût CRP: Régler sur "1 Localisation" pour indiquer que le coût CRP sera déterminé par les codes FIPS de comté dans la pratique, les coûts du tableau ci-dessus.

SWAT version: SWAT2005

3. Les résultats représentatifs

GeneticiSWAT.exe produit un fichier journal indiquant les paramètres et les résultats de toutes les solutions candidates (individus), ainsi que d'un "save" de fichiers qui encode les résultats de l'itération algorithme final et qui peut être utilisé pour redémarrer le cycle d'optimisation.

À ce stade, on peut visualiser l'ensemble des solutions efficaces au sens de Pareto (la frontière compromis) en suivant les étapes ci-dessous:

1. Exécuter GeneticiSWAT;
   1. Allez dans "Fichier", puis "Open" pour ouvrir la base de données i_SWAT "Raccoon GA.mdb".
   2. Allez sur "Exécuter", puis "Exporter la liste HRU". Enregistrez le fichier sous "HRU.txt allèle Raccoon".
2. Produire une animation en exécutant Mapswat.exe, sélectionner "Exécuter" puis "Animation 3D".

Figure 2. Screenshot pour créer des «instantanés» pour la visualisation en 3 dimensions frontière.

La sortie est une série de fichiers qui peuvent être rendus tous à la fois dans les fichiers d'image à l'aide de POV-RAY programme et en sélectionnant "Render", puis "File d'attente File". Les images peuvent être utilisées seules ou combinées dans un film montrant la progression algorithme.

Figure 3. Visualisation statique de la frontière compromis.

Si vous le souhaitez, un film montrant la progression algorithme peut être créé en exécutant "Framescanner.exe» et en suivant ces étapes:

1. Allez dans "Fichier", puis "Nouveau", puis "Fichier", puis "Importer", puis "Fichiers PNG». Sélectionnez les images statiques.
2. Pour créer un film, allez dans "Fichier", puis "Exporter", puis "AVI".
3. Sélectionnez le codec "DIB" pour créer des fichiers AVI à partir de lots de l'imagefichiers.

Chaque point de la frontière représente une configuration de bassin versant (une affectation spécifique des pratiques de conservation sur un paysage). Les cartes de ces configurations peut être vu par toute la frontière en suivant ces étapes:

1. Exécuter Mapswat.exe, sélectionnez «Execute», puis «Animation de carte".
2. Sélectionnez "raton laveur" de la liste de présélection et cliquez sur "Appliquer".
3. Sélectionnez "Mise en page 7 (Raccoon)» dans la liste Mise en page Carte, puis cliquez sur "OK".

Figure 4. Capture d'écran de la création d'une carte de chaque individu dans la dernière frontière.

Exportation de configurations des bassins versants spécifiques (personnes physiques) d'intérêt.

Souvent une question d'intérêt est de sélectionner les configurations spécifiques des bassins versants (particuliers) ayant atteint des objectifs particuliers de qualité de l'eau. Par exemple, on peut souhaiter trouver un individual à la frontière qui réduit de 30% d'azote et de phosphore de 20% par rapport aux charges de base. MapSWAT permet de rechercher la frontière de l'individu avec la plus petite distance euclidienne à l'objectif spécifié. Cela peut être fait de la manière suivante:

1. Ouvrez MapSWAT.exe. Sélectionnez «Execute» | "Rechercher".

Figure 5. Capture d'écran de la recherche d'une personne en particulier à la frontière en fonction des objectifs de qualité de l'eau.

2. Entrer minimale et maximale des cibles de réduction Tmin et Tmax et un intervalle de teinte. Également saisir un pour cent de réduction spécifique en azote (nspec) entre le début de la «réduction de%" à côté de l'espace de base N, et pour cent de réduction du phosphore (Pspec) dans le "% de réduction" à côté de base de phosphore. Le programme produit une sortie dans une fenêtre contextuelle:

Figure 6. Capture d'écran de la production de recherche

3. Cliquez sur "Copier le texte" et le coller dans un tableur. Trois tables sont produites. Dans le premier sont les personnes les plus proches des objectifs à N et P de la réduction pour cent même, qui va de Tmin à Tmax par Tint. Juste au-dessous de la plus proche de ce seul individu à la cible (nspec, Pspec) apparaît. Deuxièmement, un tableau donnant le plus proche des individus, où les fourchettes cibles P de Tmin à Tmax alors que N est maintenue constante près nspec. Troisièmement, une table donnant aux individus les plus proches des cibles N allant de Tmin à Tmax tandis que P est maintenue constante près Pspec. Dans ce cas, le plus proche individu à une réduction de 30% était N ID 8423 avec une valeur de N 14,637,279.60. Voici la carte de la répartition spatiale des pratiques de conservation et la localisation de cette configuration des bassins versants de la frontière de compromis:

files/ftp_upload/4009/4009fig7.jpg "alt =" Figure 7 "/>
Figure 7. Capture d'écran d'un exemple de carte décrivant la personne choisie à la frontière. Cliquez ici pour agrandir la figure .

Exportation de données de la carte pour une analyse plus poussée est possible en suivant ces étapes:

1. Exécuter Mapswat.exe, sélectionnez «Execute», puis «Données cartographiques exportation".
2. Sélectionnez "raton laveur" de la liste de présélection et cliquez sur "Appliquer".
3. Entrez l'ID d'un bassin versant de configuration (individuel) (8423 shown), cochez la case "Afficher les allèles Propriétés» et «frais» Afficher, puis cliquez sur "OK". Ces données peuvent être utilisées pour créer des cartes personnalisées de la configuration des bassins versants sélectionné à l'aide d'un programme SIG.

Nom du programme de	Source	Description
Rotateur	CARTE	Crée et remplit une base de données avec des données i_SWAT sol, le climat et la gestion d'un bassin versant.
Swat2005GA.exe	USDA prairies, Laboratoire de recherche sur les sols et l'eau	Modèle de simulation des bassins versants
i_SWAT.exe	CARTE	SWAT interface de base de données
GeneticISWAT.exe	CARTE	Evolutionary contrôleur SWAT algorithme. Intègre Galib de http://lancet.mit.edu/ga/ .
MapSWAT.exe	CARTE	Lit bases de données et des fichiers de formes i_SWAT, produit des images des générations et des individus.
POV-Ray	Povray.org	Persistence of Vision raytracer.
Framescanner.exe	Todd Campbell	Image PNG en AVI
Windows Live Movie Maker	Microsoft	Utilisé pour compresser AVI WMV

Tableau 1. Tableau des programmes nécessaires.

Nom du fichier	Type	Description
Raccoon GA.mdb	Base de données Access	Descriptions de structure et de gestion du bassin versant de raton laveur. Lire par GeneticiSWAT et MapSWAT.
bassin versant presets.csv	Texte	Presets de réglage pour GeneticiSWAT.exe et MapSWAT
Alleles.csv	Texte	Liste des allèle fixe pour l'algorithme évolutionnaire.
HRU.txt allèle Raccoon	Texte	Fichier créé par GeneticISWAT énumérant les allèles jugées terres cultivées. Lire par MapSWAT.
Coûts par sous-bassin de pratique Josh.mdb	Base de données Access	Coûts par des pratiques de gestion et de comté.
Terrasse Zones.mdb	Base de données Access	Tableau [HUC données] détient la terrasse et le numéro des zones de rendement pour le bassin versant.
NRI Budgets.mdb	Base de données Access	Lire par GeneticISWAT.exe pour les tables de cultures et de machine qui ne sont pas utilisés dans cette course.
phucrp 2008-12-15.dat	Texte	La chaleur des végétaux de recherche Unité de table, non utilisé dans cet essai.
Management.mdb	Base de données Access	Table de correspondance de rotation, non utilisé dans cet essai.
Raccoon GA 28.09.2011 1313.log, GA Raccoon 29/09/2011 0732.log, GA Raccoon 07/10/2011 0644.log	Texte	Les fichiers journaux de course GeneticISWAT.
Raccoon GA.wmv	Animation	3d affichage des individus par génération
Subbasin.shp	ESRI Shapefile	Les grandes lignes de sous-bassins du bassin versant.
Raccoon Map.wmv	Animation	Affichage des allèles dominants pour chaque sous-bassin pour chaque individu sur la frontière.

Tableau 2. Tableau d'exemples de fichiers requis.

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...