spatial-multiobjective-optimization-agricultural-conservation

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

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

Iowa Geological and Water Survey

Geocodificaci&oacute;n se utiliza a menudo en estudios epidemiol&oacute;gicos para asignar residencias con sistemas de informaci&oacute;n geogr&aacute;fica (GIS). La exactitud del m&eacute;todo generalmente no est&aacute; determinada.

Exactitud posicional de dos m&eacute;todos de geocodificaci&oacute;n.

&#x5730;&#x7406;&#x7F16;&#x7801;&#x901A;&#x5E38;&#x5728;&#x6D41;&#x884C;&#x75C5;&#x5B66;&#x7814;&#x7A76;&#x4E2D;&#x7528;&#x4E8E;&#x5730;&#x56FE;&#x4E0E;&#x5730;&#x7406;&#x4FE1;&#x606F;&#x7CFB;&#x7EDF; (GIS) &#x7684;&#x4F4F;&#x5B85;&#x3002;&#x51C6;&#x786E;&#x6027;&#x7684;&#x65B9;&#x6CD5;&#x901A;&#x5E38;&#x4E0D;&#x662F;&#x786E;&#x5B9A;&#x7684;&#x3002;

&#x4E24;&#x79CD;&#x65B9;&#x6CD5;&#x7684;&#x5730;&#x7406;&#x7F16;&#x7801;&#x7684;&#x4F4D;&#x7F6E;&#x7CBE;&#x5EA6;&#x3002;

Geocoding is often used in epidemiologic studies to map residences with geographic information systems (GIS). The accuracy of the method is usually not determined.

Positional accuracy of two methods of geocoding.

G&eacute;ocodage est souvent utilis&eacute; dans les &eacute;tudes &eacute;pid&eacute;miologiques pour mapper des r&eacute;sidences avec des syst&egrave;mes d&#39;information g&eacute;ographique (SIG). La pr&eacute;cision de la m&eacute;thode n&#39;est g&eacute;n&eacute;ralement pas d&eacute;termin&eacute;e.

Pr&eacute;cision de localisation des deux m&eacute;thodes de g&eacute;ocodage.

Geocodierung wird h&auml;ufig in epidemiologischen Studien zur Residenzen mit geographischen Informationssystemen (GIS) zuordnen. Die Genauigkeit der Methode wird in der Regel nicht bestimmt.

Positionsgenauigkeit von zwei Methoden der Geokodierung.

Geocoding &egrave; spesso utilizzato negli studi epidemiologici per mappa residenze con sistemi informativi geografici (GIS). L&#39;accuratezza del metodo non &egrave; solitamente determinata.

Accuratezza posizionale di due metodi di geocoding.

&#x30B8;&#x30AA;&#x30B3;&#x30FC;&#x30C7;&#x30A3;&#x30F3;&#x30B0;&#x306F;&#x3001;&#x30EC;&#x30B8;&#x30C7;&#x30F3;&#x30B7;&#x30E3;&#x30EB;&#x5730;&#x7406;&#x60C5;&#x5831;&#x30B7;&#x30B9;&#x30C6;&#x30E0; (GIS) &#x3092;&#x30DE;&#x30C3;&#x30D7;&#x3059;&#x308B;&#x75AB;&#x5B66;&#x7814;&#x7A76;&#x3067;&#x3088;&#x304F;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x7CBE;&#x5EA6;&#x306F;&#x901A;&#x5E38;&#x6C7A;&#x5B9A;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x305B;&#x3093;&#x3002;

&#x4F4D;&#x7F6E;&#x7CBE;&#x5EA6;&#x306E;&#x30B8;&#x30AA;&#x30B3;&#x30FC;&#x30C7;&#x30A3;&#x30F3;&#x30B0;&#x306E; 2 &#x3064;&#x306E;&#x65B9;&#x6CD5;&#x3002;

&#xCF54;&#xB529; &#xC9C0;&#xB9AC; &#xC815;&#xBCF4; &#xC2DC;&#xC2A4;&#xD15C; (GIS)&#xC640; &#xC8FC;&#xAC70;&#xB97C; &#xB9E4;&#xD551;&#xD560; &#xC5ED;&#xD559;&#xC801; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC790;&#xC8FC; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xBC29;&#xBC95;&#xC758; &#xC815;&#xD655;&#xB3C4; &#xC77C;&#xBC18;&#xC801;&#xC73C;&#xB85C; &#xACB0;&#xC815; &#xB418;&#xC9C0;.

&#xC704;&#xCE58; &#xC815;&#xD655;&#xB3C4; &#xCF54;&#xB529;&#xC758; &#xB450; &#xAC00;&#xC9C0; &#xBC29;&#xBC95;&#xC785;&#xB2C8;&#xB2E4;.

&#x519C;&#x6751;&#x5C45;&#x6C11;&#x53EF;&#x4EE5;&#x5230;&#x9644;&#x8FD1;&#x7684;&#x5BB6;&#x56ED;&#x8981;&#x88C1;&#x526A;&#x5B57;&#x6BB5;&#x901A;&#x8FC7;&#x519C;&#x836F;&#x66B4;&#x9732;&#x3002;&#x4EE5;&#x524D;&#xFF0C;&#x6211;&#x4EEC;&#x5F00;&#x53D1;&#x4E86;&#x4E00;&#x79CD;&#x65B9;&#x6CD5;&#x6765;&#x521B;&#x5EFA;&#x5386;&#x53F2;&#x4F5C;&#x7269;&#x5730;&#x56FE;&#x4F7F;&#x7528;&#x5730;&#x7406;&#x4FE1;&#x606F;&#x7CFB;&#x7EDF;&#x3002;&#x672C;&#x7814;&#x7A76;&#x7684;&#x76EE;&#x7684;&#x662F;&#x786E;&#x5B9A;&#x4F5C;&#x7269;&#x5730;&#x56FE;&#x662F;&#x5426;&#x53EF;&#x7528;&#x4E8E;&#x9884;&#x6D4B;&#x4F5C;&#x7269;&#x9664;&#x8349;&#x5242;&#x4F4F;&#x5B85;&#x5730;&#x6BEF;&#x7070;&#x5C18;&#x6837;&#x54C1;&#x4E2D;&#x7684;&#x6C34;&#x5E73;&#x3002;&#x4ECE;&#x53C2;&#x4E0E;&#x8005;&#x5728;&#x7231;&#x8377;&#x534E;&#x5DDE; (1998&#x5E74;-2000 &#x5E74;) &#x7684;&#x975E;&#x970D;&#x5947;&#x91D1;&#x6DCB;&#x5DF4;&#x7624;&#x75C5;&#x4F8B;&#x5BF9;&#x7167;&#x7814;&#x7A76;&#x4E2D;&#x7684;&#x5BB6;&#x56ED;&#x6211;&#x4EEC;&#x6536;&#x96C6;&#x771F;&#x7A7A;&#x5438;&#x5C18;&#x5668;&#x7070;&#x5C18;&#x548C;&#x8861;&#x91CF; 14 &#x9664;&#x8349;&#x5242;&#x5BF9;&#x7389;&#x7C73;&#x548C;&#x5927;&#x8C46;&#x5728;&#x7231;&#x8377;&#x534E;&#x5DDE;&#x7684;&#x9AD8;&#x4F7F;&#x7528;&#x3002;112 &#x5B89;&#x8001;&#x9662;&#xFF0C;58%&#x7684;&#x4F4F;&#x5B85;&#x6709;&#x5BB6;&#x56ED;&#x3001; &#x521D;&#x7EA7;&#x6F02;&#x79FB;&#x4ECE;&#x7A7A;&#x4E2D;&#x548C;&#x5730;&#x9762;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x4E2D;&#x95F4;&#x8DDD;&#x79BB; 500 &#x7C73;&#x8303;&#x56F4;&#x5185;&#x7684;&#x4F5C;&#x7269;&#x3002;&#x9664;&#x8349;&#x5242;&#x55EA;&#x548C;&#x83A0; 0%&#x81F3; 2&#xFF0C;4-&#x4E8C;&#x6C2F;&#x82EF;&#x6C27;&#x57FA;&#x4E59;&#x9178; 95%&#x4E0D;&#x7B49;&#x7684;&#x68C0;&#x6D4B;&#x7387;&#x3002;28%&#x7684;&#x5BB6;&#x4E2D;&#x53D1;&#x73B0;&#x4E86;&#x516D;&#x51E0;&#x4E4E;&#x5B8C;&#x5168;&#x5728;&#x519C;&#x4E1A;&#x4E2D;&#x4F7F;&#x7528;&#x7684;&#x9664;&#x8349;&#x5242;&#x3002;&#x5728;&#x540C;&#x4E00;&#x4E2A;&#x6D3B;&#x8DC3;&#x7684;&#x519C;&#x4EBA;&#x5BB6;&#x91CC;&#x6700;&#x9AD8;&#x68C0;&#x6D4B;&#x548C;&#x6D53;&#x5EA6;&#x3002;&#x5173;&#x8054;&#x7684;&#x68C0;&#x6D4B;&#x519C;&#x4E1A;&#x9664;&#x8349;&#x5242;&#x4E0E;&#x5BB6;&#x56ED; (&#x6BCF; 10 &#x4EA9; = 1.06 &#x8C03;&#x6574;&#x8D54;&#x7387;&#x6BD4;&#x7387; &#xFF1B; 95%&#x7684;&#x7F6E;&#x4FE1;&#x533A;&#x95F4;&#xFF0C;1.02 1.11) 750 &#x7C73;&#x8303;&#x56F4;&#x5185;&#x6CA1;&#x6709;&#x4F5C;&#x7269;&#x76F8;&#x6BD4;&#x5927;&#x5927;&#x63D0;&#x5347;&#x51E0;&#x7387;&#x589E;&#x52A0;&#x79CD;&#x690D;&#x9762;&#x79EF;&#x7684;&#x7389;&#x7C73;&#x548C;&#x5927;&#x8C46;&#x5BB6;&#x56ED; 750 &#x7C73;&#x8303;&#x56F4;&#x5185;&#x7684;&#x5B57;&#x6BB5;&#x3002;&#x9664;&#x8349;&#x5242;&#x6D53;&#x5EA6;&#x8FD8;&#x4E0E;&#x589E;&#x52A0; 750 &#x7C73;&#x8303;&#x56F4;&#x5185;&#x7684;&#x79CD;&#x690D;&#x9762;&#x79EF;&#x5927;&#x5E45;&#x589E;&#x52A0;&#x3002;&#x6211;&#x4EEC;&#x8BA1;&#x7B97;&#x7684;&#x519C;&#x7530;&#x4ECE; &lt; 100&#x3001; 101-250&#x3001; 251-500 &#x5BB6;&#x7684;&#x8DDD;&#x79BB;&#x548C; 501-750 m.&#x5728;&#x6A21;&#x578B;&#x4E2D;&#x5305;&#x62EC;&#x7684;&#x4F5C;&#x7269;&#x7F13;&#x51B2;&#x8DDD;&#x79BB;&#x53C2;&#x6570;&#x6CA1;&#x6709;&#x5927;&#x5E45;&#x5EA6;&#x6539;&#x5584;&#x4E0E; 750 &#x7C73;&#x8303;&#x56F4;&#x5185;&#x7684;&#x603B;&#x5360;&#x5730;&#x82F1;&#x4EA9;&#x7684;&#x6A21;&#x578B;&#x6BD4;&#x8F83;&#x5408;&#x9002;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x4F5C;&#x7269;&#x5730;&#x56FE;&#x53EF;&#x80FD;&#x4F30;&#x8BA1;&#x6C34;&#x5E73;&#x4E2D;&#x9662;&#x4ECE;&#x9644;&#x8FD1;&#x4F5C;&#x7269;&#x7530;&#x9664;&#x8349;&#x5242;&#x7684;&#x6709;&#x7528;&#x65B9;&#x6CD5;&#x3002;

&#x5BF9;&#x519C;&#x4F5C;&#x7269;&#x548C;&#x519C;&#x4E1A;&#x9664;&#x8349;&#x5242;&#x5728;&#x7231;&#x8377;&#x534E;&#x5DDE;&#x7684;&#x4F4F;&#x5B85;&#x53D7;&#x5230;&#x90BB;&#x8FD1;&#x3002;

Rural residents can be exposed to agricultural pesticides through the proximity of their homes to crop fields. Previously, we developed a method to create historical crop maps using a geographic information system. The aim of the present study was to determine whether crop maps are useful for predicting levels of crop herbicides in carpet dust samples from residences. From homes of participants in a case-control study of non-Hodgkin lymphoma in Iowa (1998-2000), we collected vacuum cleaner dust and measured 14 herbicides with high use on corn and soybeans in Iowa. Of 112 homes, 58% of residences had crops within 500 m of their home, an intermediate distance for primary drift from aerial and ground applications. Detection rates for herbicides ranged from 0% for metribuzin and cyanazine to 95% for 2,4-dichlorophenoxyacetic acid. Six herbicides used almost exclusively in agriculture were detected in 28% of homes. Detections and concentrations were highest in homes with an active farmer. Increasing acreage of corn and soybean fields within 750 m of homes was associated with significantly elevated odds of detecting agricultural herbicides compared with homes with no crops within 750 m (adjusted odds ratio per 10 acres = 1.06; 95% confidence interval, 1.02-1.11). Herbicide concentrations also increased significantly with increasing acreage within 750 m. We evaluated the distance of crop fields from the home at < 100, 101-250, 251-500, and 501-750 m. Including the crop buffer distance parameters in the model did not significantly improve the fit compared with a model with total acres within 750 m. Our results indicate that crop maps may be a useful method for estimating levels of herbicides in homes from nearby crop fields.

Proximity to crops and residential exposure to agricultural herbicides in iowa.

R&eacute;sidents des r&eacute;gions rurales peuvent &ecirc;tre expos&eacute;s &agrave; des pesticides agricoles gr&acirc;ce &agrave; la proximit&eacute; de leurs maisons aux champs des cultures. Auparavant, nous avons d&eacute;velopp&eacute; une m&eacute;thode pour cr&eacute;er des cartes historiques de r&eacute;colte &agrave; l&#39;aide d&#39;un syst&egrave;me d&#39;information g&eacute;ographique. La pr&eacute;sente &eacute;tude visait &agrave; d&eacute;terminer si les cartes de r&eacute;colte sont utiles pour pr&eacute;dire les niveaux d&#39;herbicides de r&eacute;colte dans les &eacute;chantillons de poussi&egrave;res du tapis de r&eacute;sidences. De foyers des participants dans une &eacute;tude cas-t&eacute;moins d&#39;un lymphome non hodgkinien dans l&#39;Iowa (1998-2000), nous avons recueilli aspirateur poussi&egrave;re et mesur&eacute; 14 herbicides avec forte utilisation sur ma&iuml;s et le soja dans l&#39;Iowa. De 112 logements, 58 % des r&eacute;sidences avaient des cultures moins de 500 m de leur maison, &agrave; une distance interm&eacute;diaire primaire d&eacute;rive de l&#39;antenne et les applications au sol. Taux de d&eacute;tection pour les herbicides ont vari&eacute; de 0 % pour la m&eacute;tribuzine et cyanazine &agrave; 95 % pour l&#39;acide 2, 4-dichloroph&eacute;noxyac&eacute;tique. Six herbicides utilis&eacute;s presque exclusivement dans le secteur agricole ont &eacute;t&eacute; d&eacute;tect&eacute;s dans 28 % des foyers. D&eacute;tections et les concentrations &eacute;taient les plus &eacute;lev&eacute;es dans les maisons avec un agriculteur actif. Augmenter la superficie des champs de ma&iuml;s et de soja &agrave; 750 m de maisons a &eacute;t&eacute; associ&eacute;e &agrave; des cotes significativement &eacute;lev&eacute;s de d&eacute;tecter des herbicides agricoles par rapport aux maisons avec pas de r&eacute;coltes dans les 750 m (rapport des cotes ajust&eacute; par 10 acres = 1,06 ; intervalle de confiance de 95 %, 1.02-1.11). Les concentrations de l&#39;herbicide a aussi augmentaient consid&eacute;rablement avec l&#39;augmentation de la superficie &agrave; 750 m. Nous avons &eacute;valu&eacute; la distance des champs cultiv&eacute;s de la maison &agrave; &lt; 100, 101-250, 251-500, et m. 501-750, y compris les param&egrave;tres de distance de tampon de r&eacute;colte dans le mod&egrave;le ne s&#39;am&eacute;liorait pas significativement l&#39;ajustement par rapport &agrave; un mod&egrave;le avec le nombre total d&#39;acres &agrave; moins de 750 m. Nos r&eacute;sultats indiquent que les cartes des cultures peuvent &ecirc;tre une m&eacute;thode utile pour estimer les niveaux d&#39;herbicides dans les maisons des champs de cultures voisines.

Proximit&eacute; des cultures et de l&#39;exposition r&eacute;sidentielle aux herbicides agricoles dans l&#39;iowa.

Bewohner des l&auml;ndlichen Raums k&ouml;nnen landwirtschaftliche Pestizide durch die N&auml;he ihrer H&auml;user zum Zuschneiden von Feldern ausgesetzt werden. Zuvor haben wir eine Methode zum Erstellen von historischen Ernte Karten mit ein geografischen Informationssystem entwickelt. Ziel der vorliegenden Studie war zu bestimmen, ob die Ernte Karten f&uuml;r die Vorhersage von Ebenen der Ernte Herbizide Teppich Staubproben aus Residenzen n&uuml;tzlich sind. Von den H&auml;usern der Teilnehmer in einer Fall-Kontroll-Studie von non-Hodgkin-Lymphom in Iowa (1998-2000) Wir sammelten Staubsauger Staub und 14 Herbizide mit hohem Einsatz auf Mais und Sojabohnen in Iowa gemessen. Von 112 H&auml;usern hatte 58 % der Residenzen Kulturen innerhalb 500 m von ihrem Haus, ein Zwischenentfernung f&uuml;r prim&auml;re Drift aus Antenne und Bodenanwendungen. Erkennungsraten bei Herbiziden reichte von 0 % f&uuml;r Metribuzin und Cyanazin bis 95 % f&uuml;r 2, 4-Dichlorphenoxyessigs&auml;ure. Sechs Herbizide verwendet fast ausschlie&szlig;lich in der Landwirtschaft wurden bei 28 % der Haushalte festgestellt. Erkennungen und Konzentrationen wurden in H&auml;usern mit einem aktiven Landwirt h&ouml;chste. Erh&ouml;hung der Anbaufl&auml;che von Mais und Soja-Feldern innerhalb 750 m von H&auml;usern war verbunden mit deutlich erh&ouml;hten Gewinnchancen landwirtschaftliche Herbizide verglichen mit H&auml;usern keine Feldfr&uuml;chte in 750 m (bereinigte Quotenverh&auml;ltnis pro 10 Acre = 1,06; 95 % Konfidenzintervall, 1.02-1.11) zu erkennen. Herbizid-Konzentrationen auch deutlich erh&ouml;ht mit steigender Anbaufl&auml;che etwa 750 m. Wir evaluieren die Entfernung der Getreidefelder aus dem Hause &lt; 100, 101-250, 251-500, und 501-750 m. einschlie&szlig;lich der Ernte Puffer Distanz Parameter in das Modell die Passform, verglichen mit einem Modell mit insgesamt Hektar etwa 750 m nicht wesentlich verbessert. Unsere Ergebnisse zeigen, dass Ernte Karten m&ouml;glicherweise eine n&uuml;tzliche Methode zur Einsch&auml;tzung der Ebenen der Herbizide H&auml;user vom nahe gelegenen Getreidefelder.

N&auml;he zu ernten und Wohn Exposition gegen&uuml;ber landwirtschaftlichen Herbizide in Iowa.

Residenti rurali possono essere esposti a pesticidi agricoli attraverso la prossimit&agrave; delle loro case per ritagliare campi. In precedenza, abbiamo sviluppato un metodo per creare mappe storiche raccolto utilizzando un sistema di informazione geografica. Lo scopo del presente studio era di determinare se raccolto mappe sono utili per la previsione di livelli di erbicidi raccolto nei campioni di polvere tappeto da residenze. Dalle case dei partecipanti in uno studio caso-controllo di linfoma non-Hodgkin in Iowa (1998-2000), abbiamo raccolto aspirapolvere polvere e misurata 14 erbicidi con elevato impiego su mais e soia in Iowa. 112 Case, il 58% delle residenze aveva raccolti entro 500 m della loro casa, una distanza intermedia per applicazioni di terra e primario deriva dall&#39;antenna. Tassi di rilevamento per erbicidi variavano dallo 0% per metribuzin e Cianazina al 95% per l&#39;acido 2,4-diclorofenossiacetico. 28% Delle case sono stati individuati sei erbicidi utilizzati quasi esclusivamente in agricoltura. Rilevamenti e concentrazioni erano pi&ugrave; alti nelle case con un agricoltore attivo. Aumentando la superficie dei campi di mais e soia a 750 m di case &egrave; stata associata significativamente elevate probabilit&agrave; di rilevamento erbicidi agricoli rispetto a case con non raccolti all&#39;interno di 750 m (rapporto di probabilit&agrave; regolata a 10 acri = 1.06; 95% intervallo di confidenza, 1.02-1.11). Concentrazioni di erbicida anche aumentato significativamente con l&#39;aumento della superficie coltivata a 750 m. Abbiamo valutato la distanza dei campi delle colture da casa &lt; 100, 101-250, 251-500 e 501-750 m. compresi i parametri di distanza tampone raccolto nel modello non migliora significativamente la misura rispetto ad un modello con totale ettari all&#39;interno di 750 m. I nostri risultati indicano che il raccolto mappe possono essere un metodo utile per la stima dei livelli di erbicidi nelle case dai vicini campi di colture.

Prossimit&agrave; di colture e residenziale esposizione agli erbicidi agricoli in iowa.

&#x8FB2;&#x6751;&#x90E8;&#x306E;&#x4F4F;&#x6C11;&#x306F;&#x8FB2;&#x85AC;&#x3092;&#x901A;&#x3058;&#x3066;&#x4F5C;&#x7269;&#x306E;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9;&#x306B;&#x81EA;&#x5206;&#x306E;&#x5BB6;&#x306E;&#x8FD1;&#x304F;&#x306B;&#x516C;&#x958B;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x4EE5;&#x524D;&#x306F;&#x3001;&#x5730;&#x7406;&#x60C5;&#x5831;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x3092;&#x7528;&#x3044;&#x305F;&#x6B74;&#x53F2;&#x7684;&#x4F5C;&#x7269;&#x30DE;&#x30C3;&#x30D7;&#x3092;&#x4F5C;&#x6210;&#x3059;&#x308B;&#x65B9;&#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x672C;&#x7814;&#x7A76;&#x306E;&#x76EE;&#x7684;&#x306F;&#x3001;&#x4F5C;&#x7269;&#x306E;&#x30DE;&#x30C3;&#x30D7;&#x304C;&#x30AB;&#x30FC;&#x30DA;&#x30C3;&#x30C8;&#x306E;&#x5875;&#x306E;&#x30B5;&#x30F3;&#x30D7;&#x30EB;&#x4F4F;&#x5B85;&#x304B;&#x3089;&#x306B;&#x304A;&#x3051;&#x308B;&#x4F5C;&#x7269;&#x9664;&#x8349;&#x5264;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x4E88;&#x6E2C;&#x306B;&#x6709;&#x7528;&#x3067;&#x3042;&#x308B;&#x304B;&#x3069;&#x3046;&#x304B;&#x3092;&#x6C7A;&#x5B9A;&#x3059;&#x308B;&#x305F;&#x3081;&#x3060;&#x3063;&#x305F;&#x3002;&#x30A2;&#x30A4;&#x30AA;&#x30EF; &#xFF08;1998&#x5E74;-2000&#xFF09; &#x306E;&#x975E;&#x30DB;&#x30B8;&#x30AD;&#x30F3; &#x30EA;&#x30F3;&#x30D1;&#x816B;&#x306E;&#x75C7;&#x4F8B;&#x5BFE;&#x7167;&#x7814;&#x7A76;&#x306E;&#x53C2;&#x52A0;&#x8005;&#x306E;&#x5BB6;&#x304B;&#x3089;&#x6383;&#x9664;&#x6A5F;&#x7C89;&#x5875;&#x3092;&#x53CE;&#x96C6;&#x3057;&#x3001;14 &#x9664;&#x8349;&#x5264;&#x30C8;&#x30A6;&#x30E2;&#x30ED;&#x30B3;&#x30B7;&#x3068;&#x5927;&#x8C46;&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x306E;&#x4F7F;&#x7528;&#x7387;&#x3092;&#x6E2C;&#x5B9A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;112 &#x306E;&#x5BB6;&#x306E;&#x4F4F;&#x5C45;&#x306E; 58 &#xFF05; &#x4F5C;&#x7269;&#x306E;&#x5F7C;&#x3089;&#x306E;&#x5BB6;&#x3001;&#x30D7;&#x30E9;&#x30A4;&#x30DE;&#x30EA; &#x30C9;&#x30EA;&#x30D5;&#x30C8;&#x304B;&#x3089;&#x7A7A;&#x4E2D;&#x3068;&#x5730;&#x4E0A;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x4E2D;&#x9593;&#x306E;&#x8DDD;&#x96E2;&#x304C; 500 m &#x4EE5;&#x5185;&#x304C;&#x3042;&#x3063;&#x305F;&#x3002;&#x30E1;&#x30C8;&#x30EA;&#x30D6;&#x30B8;&#x30F3;&#x3001;&#x30B7;&#x30A2;&#x30CA;&#x30B8;&#x30F3;&#x306E; 0% &#x304B;&#x3089; 95 %2, 4-&#x30B8;&#x30AF;&#x30ED;&#x30ED;&#x30D5;&#x30A7;&#x30CE;&#x30AD;&#x30B7;&#x9162;&#x9178;&#x306E;&#x3067;&#x3042;&#x3063;&#x305F;&#x9664;&#x8349;&#x5264;&#x306E;&#x691C;&#x51FA;&#x7387;&#x3002;&#x8FB2;&#x696D;&#x306B;&#x307B;&#x3068;&#x3093;&#x3069;&#x5C02;&#x3089;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x308B;&#x516D;&#x3064;&#x306E;&#x9664;&#x8349;&#x5264;&#x306F; 28% &#x306E;&#x5BB6;&#x304C;&#x691C;&#x51FA;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x691C;&#x51FA;&#x304A;&#x3088;&#x3073;&#x6FC3;&#x5EA6;&#x306E;&#x30A2;&#x30AF;&#x30C6;&#x30A3;&#x30D6;&#x306A;&#x8FB2;&#x6C11;&#x3068;&#x5BB6;&#x306F;&#x6700;&#x9AD8;&#x3060;&#x3063;&#x305F;&#x3002;&#x30C8;&#x30A6;&#x30E2;&#x30ED;&#x30B3;&#x30B7;&#x3068;&#x5927;&#x8C46;&#x306E;&#x5206;&#x91CE;&#x5BB6;&#x5EAD;&#x306E; 750 m &#x4EE5;&#x5185;&#x306E;&#x4F5C;&#x4ED8;&#x9762;&#x7A4D;&#x3092;&#x5897;&#x3084;&#x3059;&#x3053;&#x3068;&#x306E;&#x306A;&#x3044;&#x4F5C;&#x7269; (&#x8ABF;&#x6574;&#x30AA;&#x30C3;&#x30BA;&#x6BD4; 10 &#x30A8;&#x30FC;&#x30AB;&#x30FC; = 1.06 &#x3042;&#x305F;&#x308A;; 95% &#x4FE1;&#x983C;&#x533A;&#x9593; 1.02 1.11) 750 m &#x4EE5;&#x5185;&#x304C;&#x4ED8;&#x3044;&#x3066;&#x3044;&#x308B;&#x5BB6;&#x3068;&#x6BD4;&#x8F03;&#x3057;&#x3066;&#x8FB2;&#x696D;&#x306E;&#x9664;&#x8349;&#x5264;&#x691C;&#x51FA;&#x6709;&#x610F;&#x306B;&#x4E0A;&#x6607;&#x306E;&#x30AA;&#x30C3;&#x30BA;&#x306B;&#x95A2;&#x9023;&#x4ED8;&#x3051;&#x3089;&#x308C;&#x3066;&#x3044;&#x305F;&#x3002;750 M &#x4EE5;&#x5185;&#x306E;&#x30A8;&#x30FC;&#x30AB;&#x30FC;&#x6570;&#x306E;&#x5897;&#x52A0;&#x3068;&#x3068;&#x3082;&#x306B;&#x9664;&#x8349;&#x5264;&#x6FC3;&#x5EA6;&#x3082;&#x5927;&#x5E45;&#x306B;&#x5897;&#x52A0;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x306E;&#x4F5C;&#x7269;&#x30D5;&#x30A3;&#x30FC;&#x30EB;&#x30C9; &lt; 100&#x3001;101-250, 251-500&#x3001;&#x81EA;&#x5B85;&#x304B;&#x3089;&#x306E;&#x8DDD;&#x96E2;&#x3092;&#x8A55;&#x4FA1;&#x3001;501 750 m. &#x4F5C;&#x7269;&#x30D0;&#x30C3;&#x30D5;&#x30A1;&#x30FC;&#x8DDD;&#x96E2;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3067;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x542B;&#x3080;&#x30E2;&#x30C7;&#x30EB; 750 m &#x4EE5;&#x5185;&#x306E;&#x5408;&#x8A08;&#x30A8;&#x30FC;&#x30AB;&#x30FC;&#x3068;&#x306E;&#x6BD4;&#x8F03;&#x30D5;&#x30A3;&#x30C3;&#x30C8;&#x3092;&#x5927;&#x5E45;&#x306B;&#x6539;&#x5584;&#x3057;&#x306A;&#x304B;&#x3063;&#x305F;&#x3002;&#x4F5C;&#x7269;&#x30DE;&#x30C3;&#x30D7;&#x5BB6;&#x8FD1;&#x304F;&#x306E;&#x4F5C;&#x7269;&#x7551;&#x304B;&#x3089;&#x306B;&#x304A;&#x3051;&#x308B;&#x9664;&#x8349;&#x5264;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x3092;&#x63A8;&#x5B9A;&#x3059;&#x308B;&#x4FBF;&#x5229;&#x306A;&#x65B9;&#x6CD5;&#x304B;&#x3082;&#x3057;&#x308C;&#x306A;&#x3044;&#x3053;&#x3068;&#x304C;&#x793A;&#x5506;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;

&#x4F5C;&#x7269;&#x3084;&#x4F4F;&#x5B85;&#x306E;&#x9732;&#x51FA;&#x306B;&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x8FB2;&#x696D;&#x306E;&#x9664;&#x8349;&#x5264;&#x306B;&#x8FD1;&#x3044;&#x3002;

&#xB18D;&#xCD0C; &#xC8FC;&#xBBFC; &#xADF8;&#xB4E4;&#xC758; &#xAC00;&#xC815; &#xBD84;&#xC57C; &#xC790;&#xB974;&#xAE30;&#xC758; &#xADFC;&#xC811;&#xC744; &#xD1B5;&#xD574; &#xB18D;&#xC5C5; &#xC0B4;&#xCDA9;&#xC81C;&#xC5D0; &#xB178;&#xCD9C; &#xB420; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774;&#xC804;&#xC5D0;, &#xC6B0;&#xB9AC;&#xB294; &#xC5ED;&#xC0AC;&#xC801;&#xC778; &#xC791;&#xBB3C; &#xC9C0;&#xB3C4; &#xC9C0;&#xB9AC; &#xC815;&#xBCF4; &#xC2DC;&#xC2A4;&#xD15C;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xB9CC;&#xB4DC;&#xB294; &#xBC29;&#xBC95;&#xC744; &#xAC1C;&#xBC1C;. &#xD604;&#xC7AC;&#xC758; &#xC5F0;&#xAD6C;&#xC758; &#xBAA9;&#xD45C;&#xB294; &#xC791;&#xBB3C; &#xC9C0;&#xB3C4; &#xC800;&#xD0DD;&#xC5D0;&#xC11C; &#xCE74;&#xD3AB; &#xBA3C;&#xC9C0; &#xC0D8;&#xD50C;&#xC5D0;&#xC11C; &#xC81C; &#xCD08; &#xC81C; &#xC791;&#xBB3C;&#xC758; &#xC218;&#xC900;&#xC744; &#xC608;&#xCE21; &#xD558;&#xB294; &#xB370; &#xC720;&#xC6A9;&#xD55C; &#xC9C0; &#xD655;&#xC778; &#xD588;&#xB2E4;. &#xC544;&#xC774;&#xC624;&#xC640; (1998-2000), &#xBE44; Hodgkin &#xB9BC;&#xD504; &#xC885; &#xCF00;&#xC774;&#xC2A4; &#xCEE8;&#xD2B8;&#xB864; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xCC38;&#xC5EC;&#xC790;&#xC758; &#xAC00;&#xC815;&#xC5D0;&#xC11C; &#xC9C4;&#xACF5; &#xCCAD;&#xC18C;&#xAE30; &#xBA3C;&#xC9C0; &#xC218;&#xC9D1; &#xD558; &#xACE0; &#xC625;&#xC218;&#xC218;&#xC640; &#xC544;&#xC774;&#xC624;&#xC640;&#xC5D0;&#xC11C; &#xCF69;&#xC5D0;&#xC11C; &#xB192;&#xC740; &#xC0AC;&#xC6A9; 14 &#xC81C; &#xCD08; &#xC81C;&#xB97C; &#xCE21;&#xC815;. 112 &#xAC00;&#xC815;&#xC758; &#xC800;&#xD0DD;&#xC758; 58% &#xC791;&#xBB3C;&#xC5D0;&#xC11C; &#xADF8;&#xB4E4;&#xC758; &#xAC00;&#xC815;, &#xACF5;&#xC911;&#xC5D0;&#xC11C; &#xAE30;&#xBCF8; &#xB4DC;&#xB9AC;&#xD504;&#xD2B8; &#xBC0F; &#xADF8;&#xB77C;&#xC6B4;&#xB4DC; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xC5D0; &#xB300; &#xD55C; &#xC911;&#xAC04; &#xAC70;&#xB9AC; 500 &#xBBF8;&#xD130; &#xD588;&#xB2E4;. &#xC81C; &#xCD08; &#xC81C; 2, 4-dichlorophenoxyacetic &#xC0B0;&#xC5D0; &#xB300; &#xD55C; 95 %metribuzin &#xBC0F; cyanazine&#xC5D0; &#xB300; &#xD55C; 0%&#xC5D0;&#xC11C; &#xC6D0;&#xAC70;&#xB9AC;&#xC5D0; &#xB300; &#xD55C; &#xAC80;&#xC0C9; &#xC18D;&#xB3C4;. 6 &#xC81C; &#xCD08; &#xC81C; &#xB18D;&#xC5C5;&#xC5D0;&#xC11C; &#xAC70;&#xC758; &#xB3C5;&#xC810;&#xC801;&#xC73C;&#xB85C; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xC815;&#xC758; 28%&#xC5D0;&#xC11C; &#xBC1C;&#xACAC; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xD0D0;&#xC9C0; &#xBC0F; &#xB18D;&#xB3C4; &#xD65C;&#xC131; &#xB18D;&#xBD80;&#xC640; &#xD568;&#xAED8; &#xAC00;&#xC815;&#xC5D0;&#xC11C; &#xAC00;&#xC7A5; &#xB192;&#xC740; &#xD588;&#xB2E4;. &#xC625;&#xC218;&#xC218;&#xC640; &#xCF69; &#xD544;&#xB4DC;&#xB85C; &#xC815;&#xC758; 750 m&#xC758; &#xBA74;&#xC801;&#xC744; &#xC99D;&#xAC00; &#xD558; &#xACE0; &#xC0C1;&#xB2F9;&#xD788; &#xB192;&#xC740; &#xD655;&#xB960;&#xB85C; &#xAC00;&#xC815;&#xC5D0;&#xC11C; 750 &#xBBF8;&#xD130; (10 &#xC5D0;&#xC774;&#xCEE4; = 1.06 &#xB2F9; &#xC870;&#xC815; &#xB41C; &#xD655;&#xB960; &#xBE44;&#xC728;; 95% &#xC2E0;&#xB8B0; &#xAD6C;&#xAC04;, 1.02-1.11) &#xC5C6;&#xB294; &#xC791;&#xBB3C;&#xC5D0; &#xBE44;&#xD574; &#xB18D;&#xC5C5; &#xC81C; &#xCD08; &#xC81C;&#xB97C; &#xAC10;&#xC9C0; &#xAD00;&#xB828; &#xB418;&#xC5C8;&#xB2E4;. &#xB610;&#xD55C; &#xC81C; &#xCD08; &#xC81C; &#xB18D;&#xB3C4;&#xC5D0;&#xC11C; 750 &#xBBF8;&#xD130; &#xBA74;&#xC801; &#xC99D;&#xAC00; &#xD568;&#xAED8; &#xD06C;&#xAC8C; &#xC99D;&#xAC00;. &#xC6B0;&#xB9AC; &#xC791;&#xBB3C; &#xBD84;&#xC57C; &lt; 100, 101-250, 251-500, &#xAC00;&#xC815;&#xC5D0;&#xC11C;&#xC758; &#xAC70;&#xB9AC;&#xB97C; &#xACC4;&#xC0B0; &#xD558; &#xACE0; 501-750 m. &#xC790;&#xB974;&#xAE30; &#xBC84;&#xD37C; &#xAC70;&#xB9AC; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xB97C; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xBAA8;&#xB378;&#xC5D0; 750 m &#xC774;&#xB0B4; &#xCD1D; &#xC5D0;&#xC774;&#xCEE4;&#xC640; &#xD568;&#xAED8; &#xBAA8;&#xB378;&#xC5D0; &#xBE44;&#xD574; &#xBC1C;&#xC791;&#xC744; &#xD06C;&#xAC8C; &#xAC1C;&#xC120; &#xB418;&#xC9C0; &#xC54A;&#xC558;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xACB0;&#xACFC; &#xC791;&#xBB3C; &#xC9C0;&#xB3C4; &#xC218;&#xC900;&#xC758; &#xADFC;&#xCC98; &#xC791;&#xBB3C; &#xBD84;&#xC57C;&#xC5D0;&#xC11C; &#xAC00;&#xC815;&#xC5D0;&#xC11C; &#xC81C; &#xCD08; &#xC81C;&#xB97C; &#xCD94;&#xC815; &#xD558;&#xB294; &#xB370; &#xC720;&#xC6A9;&#xD55C; &#xBC29;&#xBC95;&#xC774; &#xB420; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xB098;&#xD0C0;&#xB0C5;&#xB2C8;&#xB2E4;.

&#xC791;&#xBB3C; &#xBC0F; &#xC8FC;&#xAC70; &#xC544;&#xC774;&#xC624;&#xC640;&#xC5D0;&#xC11C; &#xB18D;&#xC5C5; &#xC81C; &#xCD08; &#xC81C; &#xB178;&#xCD9C;&#xC5D0; &#xADFC;&#xC811;.

Los residentes rurales pueden estar expuestos a pesticidas agr&iacute;colas a trav&eacute;s de la proximidad de sus hogares a campos de cultivo. Anteriormente, se desarroll&oacute; un m&eacute;todo para crear mapas de cultivo hist&oacute;rico mediante un sistema de informaci&oacute;n geogr&aacute;fica. El objetivo del presente estudio fue determinar si los mapas de cultivo son &uacute;tiles para predecir niveles de herbicidas de cultivos en las muestras de polvo de la alfombra de residencias. De hogares de los participantes en un estudio de caso-control de linfoma no-Hodgkin en Iowa (1998-2000), se recogieron polvo de aspirador y miden 14 herbicidas con alto uso de ma&iacute;z y soja en Iowa. De 112 viviendas, 58% de residencias ten&iacute;an cultivos dentro de los 500 m de su casa, a una distancia intermedia para aplicaciones de tierra y principal deriva de la antena. Tasas de detecci&oacute;n para los herbicidas que se extendieron desde 0% para metribuzin y cyanazine al 95% para 2, 4-diclorofenoxiac&eacute;tico &aacute;cido. Se detectaron seis herbicidas utilizados casi exclusivamente en la agricultura en el 28% de los hogares. Detecciones y concentraciones fueron mayores en los hogares con un agricultor activo. Aumentar la superficie cultivada de ma&iacute;z y soja campos dentro de 750 m de las viviendas se asoci&oacute; con probabilidades significativamente elevadas de detecci&oacute;n de herbicidas agr&iacute;colas en comparaci&oacute;n con casas con hay cultivos dentro de 750 m (momios ajustadas por 10 acres = 1,06; intervalo de confianza 95% 1.02-1.11). Las concentraciones del herbicida tambi&eacute;n aumentaron significativamente con el aumento de la superficie cultivada en 750 m. Evaluamos la distancia de los campos de cultivo de la p&aacute;gina de inicio &lt; 100, 101-250, 251-500 y 501-750 m. incluyendo los par&aacute;metros de distancia de b&uacute;fer de cultivo en el modelo no mejor&oacute; significativamente el ajuste en comparaci&oacute;n con un modelo con totales acres dentro de 750 m. Nuestros resultados indican que los mapas de cultivo pueden ser un m&eacute;todo &uacute;til para estimar niveles de herbicidas en casas de campos de cultivo cercanos.

Proximidad a los cultivos y la exposici&oacute;n residencial a herbicidas agr&iacute;colas en iowa.

&#x6392;&#x6C34;&#x6E20;&#x7684; 16,175 km(2) &#x5728;&#x7231;&#x8377;&#x534E;&#x5DDE;&#x548C;&#x660E;&#x5C3C;&#x82CF;&#x8FBE;&#x5DDE;&#x7684;&#x90E8;&#x5206;&#x4E2D;&#x7684;&#x4E00;&#x4E2A;&#x5206;&#x6C34;&#x5CAD;&#x7684; Des &#x5F97;&#x6885;&#x56E0;&#x6CB3;&#x662F;&#x53D7;&#x635F;&#x7684;&#x785D;&#x9178;&#x76D0;&#x6C2E; &#xFF08;&#x785D;&#x9178;&#x76D0;&#xFF09;&#xFF0C;&#x7531;&#x4E8E;&#x8D85;&#x8FC7;&#x6CD5;&#x89C4;&#x9650;&#x5236;&#x516C;&#x5171;&#x4F9B;&#x6C34;&#x7684;&#x6D53;&#x5EA6;&#x3002;&#x571F;&#x58E4;&#x6C34;&#x8BC4;&#x4F30;&#x5DE5;&#x5177; (SWAT) &#x6A21;&#x578B;&#x88AB;&#x7528;&#x4E8E;&#x6A21;&#x578B;&#x6CB3;&#x5DDD;&#x5F84;&#x6D41;&#x548C;&#x785D;&#x9178;&#x76D0;&#x8377;&#x8F7D;&#x548C;&#x8BC4;&#x4F30;&#x5957;&#x4EF6;&#x7684;&#x6D41;&#x57DF;&#x8303;&#x56F4;&#x5185;&#x7684;&#x66F4;&#x6539;&#x548C;&#x76EE;&#x6807;&#x914D;&#x7F6E;&#xFF0C;&#x53EF;&#x80FD;&#x4F1A;&#x51CF;&#x5C11;&#x785D;&#x9178;&#x76D0;&#x8D1F;&#x8377;&#x5728;&#x6CB3;&#x4E2D;&#x3002;SWAT &#x6A21;&#x578B;&#x7EC4;&#x6210; 173 subbasins &#x548C; 2,516 &#x7684;&#x6C34;&#x6587;&#x54CD;&#x5E94;&#x5355;&#x4F4D;&#x548C;&#x5305;&#x62EC;&#x7684;&#x70B9;&#x548C;&#x975E;&#x70B9;&#x6E90;&#x6C2E;&#x6E90;&#x3002;&#x8BE5;&#x6A21;&#x578B;&#x6821;&#x51C6; 11 &#x5E74;&#x671F;&#x548C;&#x4E09;&#x4E2A;&#x5168;&#x6D41;&#x57DF;&#x548C;&#x56DB;&#x4E2A;&#x9488;&#x5BF9;&#x6027;&#x7684;&#x6218;&#x7565;&#x8FDB;&#x884C;&#x4E86;&#x8BC4;&#x4F30;&#x3002;&#x7ED3;&#x679C;&#x8868;&#x660E;&#xFF0C;&#x5360;&#x603B;&#x785D;&#x9178;&#x76D0;&#x51FA;&#x53E3;&#x7684; 95%&#x975E;&#x70B9;&#x6E90;&#x3002;&#x5316;&#x80A5;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x4ECE; 170 &#x5230; 50 &#x516C;&#x65A4;/&#x516C;&#x9877;&#x51CF;&#x5C11;&#x785D;&#x9178;&#x76D0;&#x8377;&#x8F7D;&#xFF0C;&#x8D85;&#x8FC7;&#x6240;&#x9700;&#x7684;&#x51CF;&#x5C11; 34%&#x7684;&#x51CF;&#x5C11; 38%&#x3002;&#x5728;&#x786E;&#x5B9A;&#x76EE;&#x6807;&#xFF0C;&#x6548;&#x7387;&#x6700;&#x9AD8;&#x7684;&#x8D1F;&#x8F7D;&#x51CF;&#x5C11;&#x53D1;&#x751F;&#x65F6;&#x5728;&#x6700;&#x8FD1;&#x7684;&#x5206;&#x6C34;&#x5CAD;&#x63D2;&#x5EA7; subbasins &#x51CF;&#x5C11;&#x4E86;&#x80A5;&#x6599;&#x7684;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x3002;&#x6700;&#x5927;&#x8D1F;&#x8F7D;&#x51CF;&#x5C11;&#x6CBB;&#x7597;&#x9762;&#x79EF;&#x4E3A;&#x662F;&#x571F;&#x5730;&#x7684;&#x51CF;&#x5C11;&#x8D1F;&#x8377;&#x4ECE; 55 subbasins &#x5177;&#x6709;&#x6700;&#x9AD8;&#x7684;&#x785D;&#x9178;&#x76D0;&#x8D1F;&#x8F7D;&#xFF0C;&#x5B9E;&#x73B0;&#x901A;&#x8FC7;&#x51CF;&#x5C11;&#x7684;&#x571F;&#x5730;&#x9762;&#x79EF;&#x4E0A; 30%&#x7684;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x5B9E;&#x73B0;&#x7684;&#x785D;&#x9178;&#x76D0;&#x8D1F;&#x8377;&#x51CF;&#x5C11;&#x4E86; 14%&#x3002;SWAT &#x6A21;&#x578B;&#x7ED3;&#x679C;&#x63D0;&#x4F9B;&#x6025;&#x9700;&#x7684;&#x5173;&#x4E8E;&#x5982;&#x4F55;&#x5F00;&#x59CB;&#x5728; Des &#x5F97;&#x6885;&#x56E0;&#x6CB3;&#x6D41;&#x57DF;&#x4E2D;&#x6700;&#x6709;&#x6548;&#x5730;&#x5B9E;&#x65BD;&#x8D1F;&#x8F7D;&#x51CF;&#x5C11;&#x6218;&#x7565;&#x6307;&#x5BFC;&#x3002;

&#x7231;&#x8377;&#x534E;&#x5DDE;&#x4F7F;&#x7528;&#x65AF;&#x74E6;&#x7279;&#x5EFA;&#x6A21; Des &#x5F97;&#x6885;&#x56E0;&#x6CB3;&#x785D;&#x9178;&#x76D0;&#x6C2E;&#x8D1F;&#x8377;&#x51CF;&#x5C11;&#x6218;&#x7565;&#x3002;

The Des Moines River that drains a watershed of 16,175 km(2) in portions of Iowa and Minnesota is impaired for nitrate-nitrogen (nitrate) due to concentrations that exceed regulatory limits for public water supplies. The Soil Water Assessment Tool (SWAT) model was used to model streamflow and nitrate loads and evaluate a suite of basin-wide changes and targeting configurations to potentially reduce nitrate loads in the river. The SWAT model comprised 173 subbasins and 2,516 hydrologic response units and included point and nonpoint nitrogen sources. The model was calibrated for an 11-year period and three basin-wide and four targeting strategies were evaluated. Results indicated that nonpoint sources accounted for 95% of the total nitrate export. Reduction in fertilizer applications from 170 to 50 kg/ha achieved the 38% reduction in nitrate loads, exceeding the 34% reduction required. In terms of targeting, the most efficient load reductions occurred when fertilizer applications were reduced in subbasins nearest the watershed outlet. The greatest load reduction for the area of land treated was associated with reducing loads from 55 subbasins with the highest nitrate loads, achieving a 14% reduction in nitrate loads achieved by reducing applications on 30% of the land area. SWAT model results provide much needed guidance on how to begin implementing load reduction strategies most efficiently in the Des Moines River watershed.

Modeling nitrate-nitrogen load reduction strategies for the Des Moines River, Iowa using SWAT.

La rivi&egrave;re Des Moines qui draine un bassin versant de km(2) 16 175 dans certaines parties de l&#39;Iowa et le Minnesota est alt&eacute;r&eacute;e d&#39;azote des nitrates (nitrate) en raison de concentrations d&eacute;passant les limites r&eacute;glementaires pour les approvisionnements publics en eau. Le mod&egrave;le de Soil Water Assessment Tool (SWAT) a &eacute;t&eacute; utilis&eacute; pour mod&eacute;liser l&#39;&eacute;coulement fluvial et de charges de nitrate et d&#39;&eacute;valuer une suite de modifications &agrave; l&#39;&eacute;chelle du bassin et des configurations visant &agrave; r&eacute;duire les charges de nitrate dans la rivi&egrave;re. Le mod&egrave;le SWAT comprenait 173 sous-bassins et 2 516 unit&eacute;s de r&eacute;ponse hydrologique et inclus sources ponctuelles et non ponctuelles d&#39;azote. Le mod&egrave;le a &eacute;t&eacute; calibr&eacute; pour une p&eacute;riode de 11 ans et tout le bassin trois et quatre strat&eacute;gies de ciblage ont &eacute;t&eacute; &eacute;valu&eacute;s. Les r&eacute;sultats indiquent que les sources non ponctuelles repr&eacute;sentaient 95 % des exportations totales de nitrate. R&eacute;duction des &eacute;pandages de 170 &agrave; 50 kg/ha a atteint 38 % la r&eacute;duction des charges de nitrate, d&eacute;passant la r&eacute;duction de 34 % requise. En termes de ciblage, les r&eacute;ductions de charge plus efficaces s&#39;est produite lorsque les applications d&#39;engrais ont &eacute;t&eacute; r&eacute;duites dans les sous-bassins le plus proche de la sortie du bassin hydrographique. La plus grande r&eacute;duction de la charge pour la superficie des terres trait&eacute;es a &eacute;t&eacute; associ&eacute;e &agrave; la r&eacute;duction des charges de 55 sous-bassins avec les charges plus &eacute;lev&eacute;s de nitrate, atteindre une r&eacute;duction de 14 % dans les charges de nitrate obtenue en r&eacute;duisant les applications sur 30 % de la superficie. Les r&eacute;sultats du mod&egrave;le SWAT fourniront plus que n&eacute;cessaire sur la fa&ccedil;on de commencer la mise en &oelig;uvre de strat&eacute;gies de r&eacute;duction de charge plus efficacement dans le bassin hydrographique de la rivi&egrave;re Des Moines.

Mod&eacute;lisation des strat&eacute;gies de r&eacute;duction de charge en azote des nitrates pour la rivi&egrave;re Des Moines, Iowa &agrave; l&#39;aide de SWAT.

Der Des Moines River, die entw&auml;ssert ein Einzugsgebiet von 16.175 km(2) in Portionen von Iowa und Minnesota ist f&uuml;r Nitrat-Stickstoff (Nitrat) aufgrund der Konzentrationen, die innerhalb der gesetzlichen f&uuml;r &ouml;ffentliche Wasserversorgung Grenzwerte beeintr&auml;chtigt. Das Boden Wasser Assessment Tool (SWAT)-Modell wurde zur model Abflu&szlig; und Nitrat Lasten und bewerten eine Suite von breit angelegte &Auml;nderungen und gezielt Konfigurationen f&uuml;r potenziell Nitrat Auslastung im Fluss zu reduzieren. Das SWAT-Modell umfasste 173 Teilbecken 2.516 hydrologische Reaktion Einheiten enthalten Punkt und und Nonpoint Stickstoff Quellen. Das Modell wurde f&uuml;r einen Zeitraum von 11 Jahren und drei breit angelegte kalibriert und vier zielende Strategien wurden ausgewertet. Ergebnisse zeigten, dass 95 % der Gesamt-Nitrat-Export Nonpoint Quellen ber&uuml;cksichtigt. D&uuml;nger-Anwendungen von 170 bis 50 kg/ha erreicht den 38 % R&uuml;ckgang der Nitrat-Lasten von mehr als 34 % Verringerung erforderlich. Flexibler trat die effizientesten laden-Reduktionen als D&uuml;nger Anwendungen in Teilbecken N&auml;chstgr&ouml;&szlig;ere der Wasserscheide-Steckdose reduziert wurden. Die gr&ouml;&szlig;te Belastung-Reduzierung f&uuml;r Fl&auml;che behandelt wurde mit Verringerung der Belastungen von 55 Teilbecken mit den h&ouml;chsten Nitrat-Lasten, 14 % Verringerung Nitrat Lasten dadurch erreicht, dass Anwendungen auf 30 % der Landfl&auml;che. SWAT Modellergebnisse liefern, dass dringend ben&ouml;tigte Anleitung zur beginnen Strategien zur Verringerung der Belastung des Einzugsgebietes Des Moines River sehr effizient zu implementieren.

Modellierung von Strategien zur Verringerung des Nitrat-Stickstoff-Laden f&uuml;r der Des Moines River, SWAT Iowa verwenden.

Des Moines fiume che drena un bacino di km(2) 16.175 in porzioni di Iowa e Minnesota &egrave; alterato per azoto nitrico (nitrati) a causa di concentrazioni che superano i limiti normativi per le forniture di acqua pubbliche. Il modello del terreno acqua Assessment Tool (SWAT) &egrave; stato utilizzato per modellare il deflusso e carichi di nitrato e valutare una serie di modifiche a livello di bacino e configurazioni targeting potenzialmente ridurre carichi di nitrato nel fiume. Il modello SWAT composta da 173 sottobacini 2.516 unit&agrave; di risposta idrologica e punto incluso e fonti d&#39;azoto nonpoint. Il modello &egrave; stato calibrato per un periodo di 11 anni e tre a livello del bacino e sono stati valutati quattro strategie di targeting. Risultati hanno indicato che nonpoint fonti hanno rappresentato per il 95% dell&#39;export totale di nitrato. In applicazioni di fertilizzante da 170 a 50 kg/ha ridotto la riduzione del 38% nei carichi di nitrato, supera il 34% di riduzione richiesto. In termini di ottimizzazione, le riduzioni di carico pi&ugrave; efficiente si &egrave; verificato quando le applicazioni di fertilizzante sono stati ridotti in sottobacini pi&ugrave; vicina alla presa di bacino idrografico. La pi&ugrave; grande riduzione di carico per la zona di terra trattato &egrave; stata associata con riduzione carichi da 55 sottobacini con i pi&ugrave; alti carichi di nitrato, ottenendo una riduzione del 14% nitrato carichi ottenuta riducendo le applicazioni sul 30% della superficie terrestre. SWAT modello risultati forniscono che molto bisogno di indicazioni su come iniziare ad attuare strategie di riduzione del carico in modo pi&ugrave; efficiente nel bacino del fiume di Des Moines.

Modellazione strategie di riduzione del carico azoto nitrico per il fiume di Des Moines, Iowa usando SWAT.

&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x3001;&#x30DF;&#x30CD;&#x30BD;&#x30BF;&#x5DDE;&#x306E;&#x4E00;&#x90E8;&#x3067; 16,175 km(2) &#x306E;&#x6D41;&#x57DF;&#x3092;&#x6392;&#x6C34;&#x30C7; &#x30E2;&#x30A4;&#x30F3;&#x5DDD;&#x306F;&#x3001;&#x516C;&#x5171;&#x306E;&#x6C34;&#x4F9B;&#x7D66;&#x306E;&#x305F;&#x3081;&#x306E;&#x898F;&#x5236;&#x306E;&#x5236;&#x9650;&#x3092;&#x8D85;&#x3048;&#x308B;&#x6FC3;&#x5EA6;&#x306B;&#x3088;&#x308B;&#x785D;&#x9178;&#x614B;&#x7A92;&#x7D20; (&#x785D;&#x9178;&#x5869;) &#x306E;&#x969C;&#x5BB3;&#x3067;&#x3059;&#x3002;&#x571F;&#x58CC;&#x6C34;&#x30A2;&#x30BB;&#x30B9;&#x30E1;&#x30F3;&#x30C8; &#x30C4;&#x30FC;&#x30EB; &#xFF08;SWAT&#xFF09; &#x30E2;&#x30C7;&#x30EB;&#x306F;&#x6CB3;&#x5DDD;&#x6D41;&#x91CF;&#x30E2;&#x30C7;&#x30EB;&#x3057;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x3068;&#x6D41;&#x57DF;&#x5909;&#x66F4;&#x3084;&#x5DDD;&#x306E;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x524A;&#x6E1B;&#x53EF;&#x80FD;&#x6027;&#x3092;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x69CB;&#x6210;&#x306E;&#x30B9;&#x30A4;&#x30FC;&#x30C8;&#x306E;&#x8A55;&#x4FA1;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;SWAT &#x30E2;&#x30C7;&#x30EB; 173 &#x306E; subbasins &#x3068; 2,516 &#x6C34;&#x7406;&#x5FDC;&#x7B54;&#x5358;&#x4F4D;&#x3068;&#x542B;&#x307E;&#x308C;&#x3066;&#x3044;&#x308B;&#x70B9;&#x3068;&#x9762;&#x7A92;&#x7D20;&#x6E90;&#x3067;&#x69CB;&#x6210;&#x3002;&#x30E2;&#x30C7;&#x30EB;&#x306F; 11 &#x5E74;&#x9593;&#x3068; 3 &#x3064;&#x306E;&#x6D41;&#x57DF;&#x306E;&#x6821;&#x6B63;&#x3057;&#x3001;4 &#x3064;&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C6;&#x30A3;&#x30F3;&#x30B0;&#x6226;&#x7565;&#x3092;&#x8A55;&#x4FA1;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x9762;&#x6E90;&#x5408;&#x8A08;&#x785D;&#x9178;&#x8F38;&#x51FA;&#x306E; 95 &#xFF05; &#x3092;&#x5360;&#x3081;&#x3066;&#x3044;&#x308B;&#x3053;&#x3068;&#x304C;&#x793A;&#x5506;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x80A5;&#x6599;&#x6563;&#x5E03;&#x304B;&#x3089; 170 50 kg/ha &#x306E;&#x524A;&#x6E1B;&#x5FC5;&#x8981; 34 &#xFF05; &#x524A;&#x6E1B;&#x3092;&#x8D85;&#x3048;&#x308B;&#x3001;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x306E; 38 &#xFF05; &#x3092;&#x6E1B;&#x5C11;&#x3057;&#x3066;&#x304F;&#x3060;&#x3055;&#x3044;&#x3002;&#x80A5;&#x6599;&#x306E;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3; subbasins &#x6700;&#x5BC4;&#x308A;&#x306E;&#x6D41;&#x57DF;&#x30B3;&#x30F3;&#x30BB;&#x30F3;&#x30C8;&#x306B;&#x6E1B;&#x5C11;&#x3057;&#x305F;&#x304C;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x306E;&#x9762;&#x3067;&#x6700;&#x3082;&#x52B9;&#x7387;&#x7684;&#x306A;&#x8CA0;&#x8377;&#x524A;&#x6E1B;&#x304C;&#x767A;&#x751F;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6700;&#x5927;&#x306E;&#x8CA0;&#x8377;&#x4F4E;&#x6E1B;&#x6271;&#x308F;&#x308C;&#x308B;&#x571F;&#x5730;&#x306E;&#x533A;&#x57DF;&#x3092;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x306E;&#x9678;&#x5730;&#x9762;&#x7A4D;&#x306E; 30 &#xFF05; &#x4E0A;&#x306E;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x6E1B;&#x3089;&#x3059;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066;&#x9054;&#x6210;&#x306E; 14% &#x306E;&#x524A;&#x6E1B;&#x3092;&#x9054;&#x6210;&#x3059;&#x308B;&#x6700;&#x9AD8;&#x306E;&#x785D;&#x9178;&#x8CA0;&#x8377; 55 subbasins &#x304B;&#x3089;&#x8CA0;&#x8377;&#x3092;&#x524A;&#x6E1B;&#x3059;&#x308B;&#x3068;&#x95A2;&#x9023;&#x3057;&#x3066;&#x3044;&#x305F;&#x3002;SWAT &#x30E2;&#x30C7;&#x30EB;&#x7D50;&#x679C;&#x591A;&#x304F;&#x30C7; &#x30E2;&#x30A4;&#x30F3;&#x5DDD;&#x6D41;&#x57DF;&#x306B;&#x304A;&#x3051;&#x308B;&#x8CA0;&#x8377;&#x524A;&#x6E1B;&#x6226;&#x7565;&#x3092;&#x6700;&#x3082;&#x52B9;&#x7387;&#x7684;&#x306B;&#x5B9F;&#x88C5;&#x3092;&#x958B;&#x59CB;&#x3059;&#x308B;&#x65B9;&#x6CD5;&#x306B;&#x95A2;&#x3059;&#x308B;&#x30AC;&#x30A4;&#x30C0;&#x30F3;&#x30B9;&#x3092;&#x5FC5;&#x8981;&#x306B;&#x5FDC;&#x3058;&#x3066;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;

&#x785D;&#x9178;&#x6027;&#x7A92;&#x7D20;&#x8CA0;&#x8377;&#x524A;&#x6E1B;&#x6226;&#x7565;&#x30C7; &#x30E2;&#x30A4;&#x30F3;&#x5DDD;&#x306E;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x3001;&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x305F;&#x305F;&#x304D;&#x307E;&#x3059;&#x3002;

&#xC544;&#xC774;&#xC624;&#xC640;, &#xBBF8;&#xB124;&#xC18C;&#xD0C0; &#xC77C;&#xBD80; 16,175 km(2)&#xC758; &#xBD84;&#xC218;&#xB839;&#xC744; &#xBE7C;&#xB0B8; &#xB370;&#xC2A4; &#xBAA8;&#xC778; &#xC2A4; &#xD589; &#xAC15; &#xC7A5;&#xC560;&#xC778; &#xC9C8;&#xC0B0;&#xC5FC; &#xC9C8;&#xC18C; (&#xC9C8;&#xC0B0;&#xC5FC;) &#xACF5;&#xACF5; &#xBB3C; &#xACF5;&#xAE09;&#xC5D0; &#xB300; &#xD55C; &#xADDC;&#xC81C; &#xC81C;&#xD55C;&#xC744; &#xCD08;&#xACFC; &#xD558;&#xB294; &#xB18D;&#xB3C4; &#xB54C;&#xBB38;&#xC785;&#xB2C8;&#xB2E4;. Streamflow &#xBAA8;&#xB378; &#xBC0F; &#xC911; &#xC9C8; &#xC0B0; &#xBC0F; &#xC720;&#xC5ED; &#xBCC0;&#xACBD; &#xD558; &#xACE0; &#xC7A0;&#xC7AC;&#xC801;&#xC73C;&#xB85C; &#xAC15;&#xC5D0; &#xC9C8;&#xC0B0;&#xC5FC; &#xBD80;&#xD558;&#xB97C; &#xC904;&#xC774;&#xAE30; &#xC704;&#xD574; &#xB300;&#xC0C1; &#xAD6C;&#xC131;&#xC758; &#xC81C;&#xD488;&#xAD70;&#xC744; &#xD3C9;&#xAC00; &#xD558;&#xB294; &#xD1A0;&#xC591; &#xBB3C; &#xD3C9;&#xAC00; &#xB3C4;&#xAD6C; (SWAT) &#xBAA8;&#xB378; &#xC0AC;&#xC6A9; &#xB418;&#xC5C8;&#xB2E4;. SWAT &#xBAA8;&#xB378; 173 subbasins &#xBC0F; 2516 &#xBB38;&#xD559;&#xC801; &#xC751;&#xB2F5; &#xB2E8;&#xC704; &#xBC0F; &#xD3EC;&#xD568; &#xB41C; &#xC810;&#xACFC; nonpoint &#xC9C8;&#xC18C; &#xC18C;&#xC2A4; &#xAD6C;&#xC131; &#xB418;&#xC5B4; &#xC788;&#xB2E4;. &#xBAA8;&#xB378;&#xC740; 11 &#xB144; &#xB3D9;&#xC548; &#xD558; &#xACE0; 3 &#xBD84; &#xC9C0; &#xC804;&#xCCB4;&#xC5D0; &#xB300; &#xD55C; &#xBCF4;&#xC815; &#xBC0F; 4 &#xAC1C;&#xC758; &#xB300;&#xC0C1; &#xC804;&#xB7B5; &#xD3C9;&#xAC00; &#xD588;&#xB2E4;. &#xACB0;&#xACFC; &#xD45C;&#xC2DC; nonpoint &#xC18C;&#xC2A4; &#xCD1D; &#xC9C8;&#xC0B0;&#xC5FC; &#xC218;&#xCD9C;&#xC758; 95%&#xB97C; &#xCC28;&#xC9C0; &#xD588;&#xB2E4;. 170&#xC5D0; 50kg/&#xD558;&#xC5D0;&#xC11C; &#xBE44;&#xB8CC; &#xC560;&#xD50C;&#xB9AC;&#xCF00;&#xC774;&#xC158;&#xC5D0;&#xC11C; &#xAC10;&#xC18C; &#xB2EC;&#xC131; &#xD544;&#xC694;&#xD55C; 34% &#xAC10;&#xC18C;&#xB97C; &#xCD08;&#xACFC; &#xD558;&#xB294; &#xC9C8;&#xC0B0;&#xC5FC; &#xC911; 38% &#xAC10;&#xC18C;. &#xB300;&#xC0C1;&#xC73C;&#xB85C;, &#xCE21;&#xBA74;&#xC5D0;&#xC11C; &#xAC00;&#xC7A5; &#xD6A8;&#xC728;&#xC801;&#xC778; &#xBD80;&#xD558; &#xAC10;&#xCD95; &#xBE44;&#xB8CC; &#xC751;&#xC6A9; &#xC720;&#xC5ED; &#xCF58;&#xC13C;&#xD2B8; &#xAC00;&#xC7A5; &#xAC00;&#xAE4C;&#xC6B4; subbasins&#xC5D0; &#xAC10;&#xC18C; &#xD588;&#xB2E4; &#xB54C; &#xBC1C;&#xC0DD; &#xD588;&#xC2B5;&#xB2C8;&#xB2E4;. &#xCDE8;&#xAE09; &#xD558;&#xB294; &#xD1A0;&#xC9C0;&#xC758; &#xBA74;&#xC801;&#xC5D0; &#xB300; &#xD55C; &#xAC00;&#xC7A5; &#xD070; &#xBD80;&#xD558; &#xAC10;&#xC18C; &#xD1A0;&#xC9C0; &#xBA74;&#xC801;&#xC758; 30%&#xC5D0;&#xC11C; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xC744; &#xC904;&#xC784;&#xC73C;&#xB85C;&#xC368; &#xB2EC;&#xC131; &#xD558;&#xB294; &#xC9C8;&#xC0B0;&#xC5FC; &#xC911;&#xC758; 14% &#xAC10;&#xC18C;&#xB97C; &#xB2EC;&#xC131; &#xD558;&#xB294; &#xAC00;&#xC7A5; &#xB192;&#xC740; &#xC9C8;&#xC0B0;&#xC5FC; &#xC911;&#xC73C;&#xB85C; 55 subbasins&#xC5D0;&#xC11C; &#xBD80;&#xD558; &#xAC10;&#xC18C;&#xC640; &#xAD00;&#xB828;&#xC774; &#xC788;&#xC5C8;&#xB2E4;. SWAT &#xBAA8;&#xB378; &#xACB0;&#xACFC; &#xB9CE;&#xC774; &#xD544;&#xC694;&#xD55C; &#xC2DC;&#xC791;&#xD560; &#xB370;&#xC2A4; &#xBAA8;&#xC778; &#xC2A4; &#xD589; &#xAC15; &#xC720;&#xC5ED;&#xC5D0;&#xC11C; &#xAC00;&#xC7A5; &#xD6A8;&#xC728;&#xC801;&#xC73C;&#xB85C; &#xBD80;&#xD558; &#xAC10;&#xC18C; &#xC804;&#xB7B5;&#xC744; &#xAD6C;&#xD604; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC5D0; &#xB300; &#xD55C; &#xC9C0;&#xCE68;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;.

&#xB370;&#xC2A4; &#xBAA8;&#xC778; &#xC2A4; &#xD589; &#xAC15;&#xC5D0; &#xB300; &#xD55C; &#xC9C8;&#xC0B0;&#xC5FC; &#xC9C8;&#xC18C; &#xBD80;&#xD558; &#xAC10;&#xC18C; &#xC804;&#xB7B5; &#xBAA8;&#xB378;&#xB9C1;, &#xC544;&#xC774;&#xC624;&#xC640; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xAE30;&#xB3D9;.

El r&iacute;o Des Moines que drena una cuenca de 16.175 km(2) en porciones de Iowa y Minnesota se deteriora para nitr&oacute;geno n&iacute;trico (nitrato) debido a las concentraciones que exceden los l&iacute;mites reglamentarios para el suministro p&uacute;blico de agua. Se utiliz&oacute; el modelo de la herramienta de evaluaci&oacute;n de agua de suelo (SWAT) modelo caudales y cargas de nitrato y evaluar un conjunto de cambios de toda la cuenca y dirigida a configuraciones para reducir cargas de nitrato en el r&iacute;o. El modelo SWAT por 173 r&iacute;os y 2.516 unidades de respuesta hidrol&oacute;gica y punto incluido y fuentes de nitr&oacute;geno de Nonpalidece. El modelo fue calibrado para un per&iacute;odo de 11 a&ntilde;os y tres toda la cuenca y se evaluaron cuatro estrategias. Los resultados indicaron que fuentes de nonpoint representaban el 95% de la exportaci&oacute;n total de nitrato. Reducci&oacute;n en aplicaciones de fertilizante de 170 a 50 kg/ha logrado la reducci&oacute;n del 38% en cargas de nitrato, superior a la reducci&oacute;n de 34% prevista. En cuanto a la orientaci&oacute;n, las reducciones m&aacute;s eficientes de la carga se produjeron cuando aplicaciones de fertilizante se redujeron en r&iacute;os m&aacute;s cercano a la salida de la cuenca. La mayor reducci&oacute;n de la carga para el &aacute;rea de tierra tratada se asoci&oacute; con la reducci&oacute;n de cargas de 55 r&iacute;os con las cargas m&aacute;s altas de nitrato, logrando una reducci&oacute;n del 14% en cargas de nitrato mediante la reducci&oacute;n de aplicaciones en el 30% de la superficie terrestre. Resultados del modelo SWAT proporcionan las suficientes orientaciones sobre c&oacute;mo empezar a implementar estrategias de reducci&oacute;n de carga m&aacute;s eficientemente en la cuenca del r&iacute;o Des Moines.

Modelar estrategias de reducci&oacute;n de la carga de nitr&oacute;geno n&iacute;trico para el r&iacute;o Des Moines, Iowa usando SWAT.

&#x7231;&#x8377;&#x534E;&#x5DDE;&#x9700;&#x8981;&#x53D1;&#x5C55;&#x603B;&#x7684;&#x6700;&#x5927;&#x6BCF;&#x65E5;&#x4E3A;&#x8D85;&#x8FC7; 400 &#x7684;&#x53D7;&#x635F;&#x6C34;&#x57DF; 303(d) &#x5217;&#x8868;&#x5217;&#x51FA;&#x7684;&#x6C34;&#x673A;&#x6784;&#x52A0;&#x8F7D; &#xFF08;TMDLs&#xFF09;&#x3002;&#x6D63;&#x718A;&#x6CB3;&#x6D41;&#x57DF;&#xFF0C;&#x6DB5;&#x76D6;&#x7EA6; 9400 km2 &#x7684;&#x4E3B;&#x8981;&#x519C;&#x4E1A;&#x571F;&#x5730;&#xFF0C;&#x5E76;&#x8868;&#x793A;&#x5728;&#x7231;&#x8377;&#x534E;&#x5DDE;&#x897F;&#x90E8;&#x7684;&#x5178;&#x578B;&#x7684;&#x7F8E;&#x56FD;&#x4E2D;&#x897F;&#x90E8;&#x7389;&#x7C73;&#x5E26;&#x533A;&#x57DF;&#xFF0C;&#x53D1;&#x73B0;&#x6709;&#x4E09;&#x4E2A;&#x6D41;&#x90E8;&#x5206;&#x785D;&#x9178;&#x76D0; N.&#x800C;&#x53D7;&#x635F;&#x571F;&#x58E4;&#x548C;&#x6C34;&#x8BC4;&#x4F30;&#x5DE5;&#x5177; (SWAT) &#x5E94;&#x7528;&#x4E8E;&#x6B64;&#x6D41;&#x57DF;&#x4EE5;&#x65B9;&#x4FBF; TMDL &#x7684;&#x53D1;&#x5C55;&#x3002;&#x5EFA;&#x6A21;&#x6846;&#x67B6;&#x7ED3;&#x5408; SWAT &#x7684;&#x652F;&#x6301;&#x8F6F;&#x4EF6;&#x548C;&#x6570;&#x636E;&#x5E93;&#xFF0C;&#x5BF9;&#x5730;&#x5F62;&#x3001; &#x571F;&#x5730;&#x5229;&#x7528;&#x548C;&#x7BA1;&#x7406;&#x3001; &#x571F;&#x58E4;&#x548C;&#x5929;&#x6C14;&#x4FE1;&#x606F;&#x3002;&#x6BCF;&#x5E74;&#x3001; &#x6BCF;&#x6708;&#x6A21;&#x62DF;&#x548C;&#x6D4B;&#x91CF;&#x5F84;&#x6D41;&#x548C;&#x785D;&#x9178;&#x76D0;&#x8D1F;&#x8377;&#x90FD;&#x5BC6;&#x5207;&#x76F8;&#x5173;&#x3002;&#x6D41;&#x57DF;&#x53CD;&#x5E94;&#x8BC4;&#x4F30;&#xFF0C;&#x5728;&#x571F;&#x5730;&#x4F7F;&#x7528;&#x548C;&#x7BA1;&#x7406;&#x8FDB;&#x884C;&#x4E86;&#x66F4;&#x6539;&#x7EDF;&#x4E00;&#x8DE8;&#x6D41;&#x57DF;&#x7684;&#x6D41;&#x57DF;&#x7BA1;&#x7406;&#x65B9;&#x6848;&#x4E00;&#x5957;&#x3002;&#x66F4;&#x6539;&#x6574;&#x4E2A;&#x571F;&#x5730;&#x4E3A;&#x884C;&#x4F5C;&#x7269;&#x7684;&#x65B9;&#x6848;&#x5BFC;&#x81F4;&#x589E;&#x52A0;&#x7684;&#x785D;&#x9178;&#x8D1F;&#x8377;&#x7EA6; 12%&#x7684;&#x4EE5;&#x4E0A;&#x6D41;&#x57DF;&#x51FA;&#x53E3;&#x5904;&#x7684;&#x57FA;&#x51C6;&#x6761;&#x4EF6;&#x3002;&#x4ECE;&#x6218;&#x7565;&#x88AB;&#x53D1;&#x73B0;&#x51CF;&#x5C11;&#x785D;&#x9178;&#x76D0;&#x4ECE; &lt; 1%&#x81F3; 85%&#x5DE6;&#x53F3;&#xFF0C;&#x4E0E;&#x5173;&#x8054;&#x5230;&#x8349;&#x539F;&#x66F4;&#x6539;&#x884C;&#x4F5C;&#x7269;&#x7684;&#x6700;&#x5927;&#x53EF;&#x80FD;&#x51CF;&#x5C11; 15 &#x785D;&#x9178;&#x76D0;&#x8D1F;&#x8F7D;&#x51CF;&#x5C11;&#x7684;&#x7ED3;&#x679C;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x8868;&#x660E;&#x4F7F;&#x7528;&#x5EFA;&#x6A21;&#x7CFB;&#x7EDF;&#xFF0C;&#x4EE5;&#x65B9;&#x4FBF;&#x8FDB;&#x884C;&#x8D8B;&#x52BF;&#x5206;&#x6790; TMDL &#x6267;&#x884C;&#x6218;&#x7565;&#xFF0C;&#x5305;&#x62EC;&#x76EE;&#x6807;&#x6700;&#x6709;&#x6548;&#x7684;&#x66FF;&#x4EE3;&#x505A;&#x6CD5;&#x5C0F;&#x6D41;&#x57DF;&#x7684;&#x57FA;&#x7840;&#x4E0A;&#x5206;&#x914D;&#x7684;&#x80FD;&#x529B;&#x3002;

&#x603B;&#x6700;&#x5927;&#x6BCF;&#x65E5;&#x8D1F;&#x8F7D;&#x6267;&#x884C;&#x6218;&#x7565;&#x8BC4;&#x4F30;&#x7684;&#x6D63;&#x718A;&#x6CB3;&#xFF0C;&#x7231;&#x8377;&#x534E;&#x5DDE;&#x7684;&#x785D;&#x9178;&#x76D0;&#x51CF;&#x503C;&#x51C6;&#x5907;&#x3002;

The state of Iowa requires developing total maximum daily loads (TMDLs) for over 400 water bodies that are listed on the 303(d) list of the impaired waters. The Raccoon River watershed, which covers approximately 9400 km2 of prime agriculture land and represents a typical Midwestern corn-belt region in west-central Iowa, was found to have three stream segments impaired by nitrate-N. The Soil and Water Assessment Tool (SWAT) was applied to this watershed to facilitate the development of a TMDL. The modeling framework integrates SWAT with supporting software and databases on topography, land use and management, soil, and weather information. Annual and monthly simulated and measured streamflow and nitrate loads were strongly correlated. The watershed response was evaluated for a suite of watershed management scenarios where land use and management changes were made uniformly across the watershed. A scenario of changing the entire land to row crop resulted in an increased nitrate load of about 12% over the baseline condition at the watershed outlet. Results from the 15 nitrate load reduction strategies were found to reduce nitrate from < 1% to about 85%, with the greatest potential reduction associated with changing the row crops to grassland. This research demonstrated the use of a modeling system to facilitate the analyses of TMDL implementation strategies, including the ability to target the most efficient allocation of alternative practices on a subwatershed basis.

Assessment of total maximum daily load implementation strategies for nitrate impairment of the Raccoon River, Iowa.

L&#39;&eacute;tat de l&#39;Iowa n&eacute;cessite de d&eacute;velopper journalier maximal total des charges (TMDL) pour plus de 400 plans d&#39;eau qui figurent sur la liste des 303 des eaux ayant une d&eacute;ficience. Le bassin de la rivi&egrave;re de raton laveur, qui couvre environ 9400 km2 de terrain privil&eacute;gi&eacute; de l&#39;agriculture et repr&eacute;sente une r&eacute;gion de la ceinture de ma&iuml;s du Midwest typique dans le centre-ouest de l&#39;Iowa, a constat&eacute; que trois segments de flux affaiblies par nitrate-N. La Soil and Water Assessment Tool (SWAT) a &eacute;t&eacute; appliqu&eacute; &agrave; ce bassin versant afin de faciliter le d&eacute;veloppement d&#39;un TMDL. Le cadre de mod&eacute;lisation int&egrave;gre SWAT avec l&#39;appui de logiciels et bases de donn&eacute;es sur la topographie, am&eacute;nagement et gestion, le sol et les renseignements m&eacute;t&eacute;orologiques. Annuels et mensuels simulant et mesur&eacute; le d&eacute;bit d&#39;eau et charges de nitrate ont &eacute;t&eacute; fortement corr&eacute;l&eacute;s. La r&eacute;ponse de bassin versant a &eacute;t&eacute; &eacute;valu&eacute;e pour une s&eacute;rie de sc&eacute;narios de gestion de bassin hydrographique o&ugrave; les changements d&#39;utilisation et la gestion des terres ont &eacute;t&eacute; faites uniform&eacute;ment dans l&#39;ensemble du bassin hydrographique. Un sc&eacute;nario de l&#39;&eacute;volution de la terre enti&egrave;re pour r&eacute;colte de rang&eacute;e a entra&icirc;n&eacute; une charge de nitrate une augmentation d&#39;environ 12 % au cours de l&#39;&eacute;tat initial &agrave; l&#39;exutoire du bassin versant. R&eacute;sultats de la r&eacute;duction de charge de 15 nitrate strat&eacute;gies ont &eacute;t&eacute; trouv&eacute;s pour r&eacute;duire les nitrates de &lt; 1 % &agrave; environ 85 %, avec la plus grande r&eacute;duction potentielle associ&eacute;e &agrave; changer les cultures en rangs dans les Prairies. Cette recherche a d&eacute;montr&eacute; l&#39;utilisation d&#39;un syst&egrave;me de mod&eacute;lisation pour faciliter l&#39;analyse des strat&eacute;gies de mise en &oelig;uvre des TMDL, y compris la possibilit&eacute; de cibler l&#39;allocation plus efficace des pratiques alternatives, sur une base du sous-bassin hydrographique.

&Eacute;valuation du total maximal quotidien charge implementation strategies pour cr&eacute;ances douteuses de nitrate du fleuve Raccoon, Iowa.

Des Bundesstaates Iowa erfordert, dass insgesamt maximal t&auml;glich zu entwickeln (TMDLs) f&uuml;r mehr als 400 Gew&auml;sser l&auml;dt, die auf der 303(d)-Liste der gest&ouml;rte Gew&auml;sser aufgef&uuml;hrt sind. Die Wasserscheide des Raccoon River, die deckt etwa 9400 km2 erstklassigen Landwirtschaft Land und stellt eine typische Midwestern Mais-G&uuml;rtel-Region im westlichen zentralen Iowa, wurde festgestellt, dass drei Stream-Segmenten, die durch Nitrat-N. beeintr&auml;chtigt haben Boden und Wasser Assessment Tool (SWAT) wurde auf dieser Wasserscheide zur Erleichterung der Entwicklung einer TMDL angewendet. Modellierung Rahmen integriert SWAT mit Unterst&uuml;tzung von Software und Datenbanken auf Topographie, Landnutzung und Management, Boden und Wetterinformationen. J&auml;hrliche und monatliche simuliert und Abflu&szlig; gemessen und Nitrat Lasten wurden stark korreliert. Die Wasserscheide-Antwort war f&uuml;r eine Reihe von Szenarien der Wasserscheide ausgewertet, in dem Land Nutzung und Bewirtschaftung einheitlich &uuml;ber die Wasserscheide ver&auml;ndert wurde. Ein Szenario &auml;ndern das ganze Land in Zeile Ernte ergab eine erh&ouml;hte Nitrat-Belastung von etwa 12 % &uuml;ber den Ausgangszustand der Wasserscheide-Outlet. Ergibt sich aus der Reduzierung der 15 Nitrat-Belastung Strategien gefunden wurden, um Nitrat von &lt; 1 % auf etwa 85 %, mit der gr&ouml;&szlig;ten m&ouml;glichen Reduzierung, die &Auml;nderung der Zeile-Kulturen in Gr&uuml;nland zugeordnet zu reduzieren. Diese Forschung demonstriert das Verwendung eines Modellierung die Analysen von TMDL Implementierungsstrategien, einschlie&szlig;lich der F&auml;higkeit, die effizienteste Umlageziel alternative Verfahren auf Basis des Subwatershed zu erleichtern.

Bewertung der insgesamt maximale t&auml;gliche Belastung Umsetzungsstrategien f&uuml;r Nitrat Wertminderung des Flusses Waschb&auml;r, Iowa.

Lo stato di Iowa richiede lo sviluppo totale giornaliera massima carica (TMDLs) per oltre 400 corpi di acqua che sono elencati nella lista 303(d) delle acque compromesse. Bacino del fiume Raccoon, che copre circa 9400 km2 di terreno agricolo privilegiata e rappresenta una regione tipica mais del Midwest-cintura in Iowa centro-occidentale, &egrave; stato trovato per avere tre segmenti di flusso alterati da nitrato-N. Il suolo e l&#39;acqua Assessment Tool (SWAT) &egrave; stato applicato a questo spartiacque per facilitare lo sviluppo di un TMDL. Il quadro di modellazione integra SWAT con il supporto di software e database sulla topografia, uso del suolo e gestione, del suolo e informazioni meteo. Annuale e mensile simulato e misurato il deflusso e nitrato carichi erano fortemente correlati. La risposta di spartiacque &egrave; stata valutata per una suite di scenari di gestione del bacino idrografico dove sono state apportate modifiche di uso e gestione di terra uniformemente attraverso lo spartiacque. Uno scenario di cambiare l&#39;intera terra per il raccolto di fila ha portato un carico di nitrato aumentata di circa il 12% sopra la condizione di base all&#39;uscita del bacino idrografico. Risultati dalla riduzione del carico di 15 nitrato strategie sono stati trovati per ridurre nitrato da &lt; 1% a circa l&#39;85%, con la riduzione potenziale pi&ugrave; grande associata cambiando i raccolti di fila a pascolo. Questa ricerca ha dimostrato l&#39;utilizzo di un sistema di modellazione per facilitare l&#39;analisi delle strategie di implementazione TMDL, tra cui la possibilit&agrave; di indirizzare il pi&ugrave; efficiente allocazione delle pratiche alternative su base subwatershed.

Valutazione di totale massima giornaliera carico implementazione strategie danno nitrato del fiume Raccoon, Iowa.

&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x3067;&#x306F;&#x3001;&#x5408;&#x8A08;&#x6700;&#x5927;&#x6BCE;&#x65E5;&#x306E;&#x958B;&#x767A; &#xFF08;TMDLs&#xFF09; &#x969C;&#x5BB3;&#x8005;&#x306E;&#x6C34;&#x306E; 303(d) &#x30EA;&#x30B9;&#x30C8;&#x306B;&#x8A18;&#x8F09;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B; 400 &#x4EE5;&#x4E0A;&#x306E;&#x6C34;&#x30DC;&#x30C7;&#x30A3;&#x304C;&#x30ED;&#x30FC;&#x30C9;&#x304C;&#x5FC5;&#x8981;&#x3067;&#x3059;&#x3002;&#x30D7;&#x30E9;&#x30A4;&#x30E0;&#x8FB2;&#x696D;&#x306E;&#x571F;&#x5730;&#x306E;&#x7D04; 9400 km2 &#x3092;&#x30AB;&#x30D0;&#x30FC;&#x3057;&#x3001;&#x897F;&#x4E2D;&#x592E;&#x306E;&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x5185;&#x306E;&#x5178;&#x578B;&#x7684;&#x306A;&#x4E2D;&#x897F;&#x90E8;&#x306E;&#x30C8;&#x30A6;&#x30E2;&#x30ED;&#x30B3;&#x30B7; &#x30D9;&#x30EB;&#x30C8;&#x9818;&#x57DF;&#x3092;&#x8868;&#x3057;&#x307E;&#x3059;&#x3001;&#x30E9;&#x30AF;&#x30FC;&#x30F3;&#x5DDD;&#x6D41;&#x57DF;&#x306F;&#x3001;&#x785D;&#x9178;-N &#x3067;&#x969C;&#x5BB3;&#x306E;&#x3042;&#x308B; 3 &#x3064;&#x306E;&#x30B9;&#x30C8;&#x30EA;&#x30FC;&#x30E0;&#x306E;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C8;&#x304C;&#x767A;&#x898B;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x571F;&#x58CC;&#x3068;&#x6C34;&#x30A2;&#x30BB;&#x30B9;&#x30E1;&#x30F3;&#x30C8; &#x30C4;&#x30FC;&#x30EB; &#xFF08;SWAT&#xFF09;&#x3001;TMDL &#x306E;&#x958B;&#x767A;&#x3092;&#x5BB9;&#x6613;&#x306B;&#x3059;&#x308B;&#x3053;&#x306E;&#x6D41;&#x57DF;&#x306B;&#x9069;&#x7528;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0; framework SWAT &#x30BD;&#x30D5;&#x30C8;&#x30A6;&#x30A7;&#x30A2;&#x3068;&#x30C7;&#x30FC;&#x30BF;&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x5730;&#x5F62;&#x3001;&#x571F;&#x5730;&#x5229;&#x7528;&#x3068;&#x7BA1;&#x7406;&#x3001;&#x571F;&#x58CC;&#x3001;&#x304A;&#x3088;&#x3073;&#x5929;&#x6C17;&#x4E88;&#x5831;&#x306E;&#x60C5;&#x5831;&#x652F;&#x63F4;&#x3068;&#x7D71;&#x5408;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x5E74;&#x6B21;&#x30FB;&#x6708;&#x6B21;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30C8;&#x304A;&#x3088;&#x3073;&#x6CB3;&#x5DDD;&#x6D41;&#x91CF;&#x6E2C;&#x5B9A;&#x3057;&#x3001;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x304C;&#x5F37;&#x304F;&#x76F8;&#x95A2;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6D41;&#x57DF;&#x5FDC;&#x7B54;&#x306E;&#x571F;&#x5730;&#x5229;&#x7528;&#x3068;&#x7BA1;&#x7406;&#x306E;&#x5909;&#x5316;&#x306F;&#x3001;&#x4E00;&#x69D8;&#x306B;&#x6D41;&#x57DF;&#x5168;&#x4F53;&#x3067;&#x4F5C;&#x3089;&#x308C;&#x305F;&#x6D41;&#x57DF;&#x7BA1;&#x7406;&#x30B7;&#x30CA;&#x30EA;&#x30AA;&#x306E;&#x30B9;&#x30A4;&#x30FC;&#x30C8;&#x306E;&#x8A55;&#x4FA1;&#x3060;&#x3063;&#x305F;&#x3002;&#x5168;&#x4F53;&#x306E;&#x571F;&#x5730;&#x306E;&#x884C;&#x4F5C;&#x7269;&#x306B;&#x5909;&#x66F4;&#x306E;&#x30B7;&#x30CA;&#x30EA;&#x30AA;&#x306F;&#x7D04; 12 &#xFF05; &#x306E;&#x5897;&#x52A0;&#x785D;&#x9178;&#x8CA0;&#x8377;&#x3067;&#x6D41;&#x57DF;&#x30A2;&#x30A6;&#x30C8;&#x30EC;&#x30C3;&#x30C8;&#x3067;&#x30D9;&#x30FC;&#x30B9;&#x30E9;&#x30A4;&#x30F3;&#x72B6;&#x614B;&#x3067;&#x8D77;&#x56E0;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6226;&#x7565;&#x8349;&#x5730;&#x3078;&#x306E;&#x884C;&#x306E;&#x4F5C;&#x7269;&#x306E;&#x5909;&#x66F4;&#x306B;&#x4F34;&#x3046;&#x6F5C;&#x5728;&#x7684;&#x306A;&#x524A;&#x6E1B;&#x3092;&#x6700;&#x5927; &lt; 1% &#x304B;&#x3089; 85% &#x306E;&#x785D;&#x9178;&#x6E1B;&#x3089;&#x3059;&#x305F;&#x3081;&#x306B;&#x767A;&#x898B;&#x3055;&#x308C;&#x305F; 15 &#x785D;&#x9178;&#x8CA0;&#x8377;&#x524A;&#x6E1B;&#x304B;&#x3089;&#x306E;&#x7D50;&#x679C;&#x3002;&#x3053;&#x306E;&#x7814;&#x7A76;&#x306F;&#x6D41;&#x57DF;&#x5358;&#x4F4D;&#x4EE3;&#x66FF;&#x30D7;&#x30E9;&#x30AF;&#x30C6;&#x30A3;&#x30B9;&#x306E;&#x6700;&#x3082;&#x52B9;&#x7387;&#x7684;&#x306A;&#x914D;&#x5206;&#x3092;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x3068;&#x3059;&#x308B;&#x6A5F;&#x80FD;&#x3092;&#x542B;&#x3080; TMDL &#x5B9F;&#x65BD;&#x6226;&#x7565;&#x306E;&#x5206;&#x6790;&#x3092;&#x5BB9;&#x6613;&#x306B;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0; &#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x4F7F;&#x7528;&#x3092;&#x8A8D;&#x3081;&#x305F;&#x3002;

&#x785D;&#x9178;&#x6E1B;&#x640D;&#x30E9;&#x30AF;&#x30FC;&#x30F3;&#x5DDD;&#x3001;&#x30A2;&#x30A4;&#x30AA;&#x30EF;&#x5DDE;&#x306E;&#x5408;&#x8A08;&#x306E;&#x6700;&#x5927;&#x6BCE;&#x65E5;&#x30ED;&#x30FC;&#x30C9;&#x306E;&#x5B9F;&#x88C5;&#x306E;&#x6226;&#x7565;&#x306E;&#x8A55;&#x4FA1;&#x3002;

&#xC544;&#xC774;&#xC624;&#xC640; &#xC8FC; &#xC7A5;&#xC560;&#xC778;&#xB41C; &#xBC14;&#xB2E4;&#xC758; 303(d) &#xBAA9;&#xB85D;&#xC5D0; &#xB098;&#xC640; &#xC788;&#xB294; 400 &#xAC1C; &#xC774;&#xC0C1;&#xC758; &#xBB3C; &#xC2DC;&#xCCB4; (TMDLs) &#xB85C;&#xB4DC; &#xCD1D; &#xCD5C;&#xB300; &#xB9E4;&#xC77C; &#xAC1C;&#xBC1C; &#xD544;&#xC694;. &#xC57D; 9400 k m 2&#xC758; &#xC8FC;&#xC694; &#xB18D;&#xC5C5; &#xD1A0;&#xC9C0;&#xB97C; &#xCEE4;&#xBC84; &#xD558; &#xACE0; &#xC544;&#xC774;&#xC624;&#xC640; &#xC11C;&#xCABD; &#xC911;&#xC559;&#xC5D0;&#xC5D0;&#xC11C; &#xC804;&#xD615;&#xC801;&#xC778; &#xC911;&#xC11C;&#xBD80; &#xC625;&#xC218;&#xC218; &#xBCA8;&#xD2B8; &#xC9C0;&#xC5ED;&#xC744; &#xB098;&#xD0C0;&#xB0C5;&#xB2C8;&#xB2E4;, &#xB108;&#xAD6C;&#xB9AC; &#xAC15; &#xC720;&#xC5ED; 3 &#xC2A4;&#xD2B8;&#xB9BC; &#xC138;&#xADF8;&#xBA3C;&#xD2B8; &#xC9C8;&#xC0B0;&#xC5FC; &#xBD81; &#xC544; &#xC77C;&#xC5D0; &#xC758;&#xD574; &#xC190;&#xC0C1; &#xBC1C;&#xACAC; &#xB410;&#xB2E4; &#xD1A0;&#xC591; &#xBC0F; &#xBB3C; &#xD3C9;&#xAC00; &#xB3C4;&#xAD6C; (SWAT)&#xB294; TMDL &#xAC1C;&#xBC1C;&#xC744; &#xCD09;&#xC9C4; &#xD558;&#xAE30; &#xC704;&#xD558;&#xC5EC;&#xC774; &#xC720;&#xC5ED;&#xC5D0; &#xC801;&#xC6A9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB378;&#xB9C1; &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C; &#xD1B5;&#xD569; &#xD2B9;&#xC218; &#xAE30;&#xB3D9; &#xB300;, &#xD1A0;&#xC9C0; &#xC774;&#xC6A9; &#xBC0F; &#xAD00;&#xB9AC;, &#xD1A0;&#xC591;, &#xC9C0;&#xD615;&#xACFC; &#xB0A0;&#xC528; &#xC815;&#xBCF4;&#xC5D0; &#xC18C;&#xD504;&#xD2B8;&#xC6E8;&#xC5B4; &#xBC0F; &#xB370;&#xC774;&#xD130;&#xBCA0;&#xC774;&#xC2A4;&#xB97C; &#xC9C0; &#xC6D0;&#xD558;&#xB294;. &#xC5F0;&#xAC04; &#xBC0F; &#xC6D4;&#xBCC4; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xBC0F; streamflow &#xCE21;&#xC815; &#xBC0F; &#xC9C8;&#xC0B0;&#xC5FC; &#xBD80;&#xD558; &#xAC15;&#xD558;&#xAC8C; &#xC0C1;&#xAD00; &#xD588;&#xB2E4;. &#xC720;&#xC5ED; &#xC751;&#xB2F5; &#xD1A0;&#xC9C0; &#xC774;&#xC6A9; &#xBC0F; &#xAD00;&#xB9AC; &#xBCC0;&#xACBD; &#xC720;&#xC5ED;&#xC5D0; &#xAC78;&#xCCD0; &#xADE0;&#xC77C; &#xD558; &#xAC8C; &#xB9CC;&#xB4E0; &#xB41C; &#xC720;&#xC5ED; &#xAD00;&#xB9AC; &#xC2DC;&#xB098;&#xB9AC;&#xC624;&#xC758; &#xC81C;&#xD488;&#xAD70;&#xC5D0; &#xB300; &#xD55C; &#xD3C9;&#xAC00; &#xBC1B;&#xC558;&#xB2E4;. &#xD589; &#xC791;&#xBB3C; &#xC804;&#xCCB4; &#xD1A0;&#xC9C0; &#xBCC0;&#xACBD;&#xC758; &#xACBD;&#xC6B0; &#xC57D; 12%&#xC758; &#xC99D;&#xAC00; &#xC9C8;&#xC0B0;&#xC5FC; &#xBD80;&#xD558; &#xC720;&#xC5ED; &#xCD9C;&#xAD6C;&#xC5D0;&#xC11C; &#xCD08;&#xAE30; &#xC870;&#xAC74; &#xC774;&#xC0C1;&#xC758; &#xACB0;&#xACFC;. &#xACB0;&#xACFC; 15 &#xC9C8;&#xC0B0;&#xC5FC; &#xBD80;&#xD558; &#xAC10;&#xC18C; &#xC804;&#xB7B5; &#xAD00;&#xB828; &#xD589; &#xC791;&#xBB3C; &#xCD08;&#xC6D0;&#xC5D0; &#xBCC0;&#xACBD; &#xB41C; &#xAC00;&#xC7A5; &#xD070; &#xC7A0;&#xC7AC;&#xC801;&#xC778; &#xAC10;&#xC18C;&#xC640; &#xD568;&#xAED8; &lt; 1%&#xC5D0;&#xC11C; &#xC57D; 85%, &#xC9C8;&#xC0B0;&#xC5FC;&#xC744; &#xC904;&#xC77C; &#xAC83;&#xC744; &#xBC1C;&#xACAC; &#xD588;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C; TMDL &#xAD6C;&#xD604; &#xC804;&#xB7B5;, &#xB300;&#xC0C1;&#xC73C;&#xB85C; subwatershed&#xB85C; &#xB300;&#xCCB4; &#xAD00;&#xD589;&#xC758; &#xAC00;&#xC7A5; &#xD6A8;&#xC728;&#xC801;&#xC778; &#xD560;&#xB2F9; &#xD558;&#xB294; &#xAE30;&#xB2A5;&#xC744; &#xD3EC;&#xD568; &#xD558; &#xC5EC; &#xBD84;&#xC11D;&#xC744; &#xC6A9;&#xC774; &#xD558; &#xAC8C; &#xBAA8;&#xB378;&#xB9C1; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xC0AC;&#xC6A9;&#xC744; &#xC2DC;&#xC5F0; &#xD588;&#xB2E4;.

&#xCD1D; &#xCD5C;&#xB300; &#xC77C;&#xC77C; &#xBD80;&#xD558; &#xAD6C;&#xD604; &#xC804;&#xB7B5;&#xC758; &#xB108;&#xAD6C;&#xB9AC; &#xAC15; &#xC544;&#xC774;&#xC624;&#xC640; &#xC9C8;&#xC0B0;&#xC5FC; &#xC7A5;&#xC560;&#xC5D0; &#xB300; &#xD55C; &#xD3C9;&#xAC00;.

El estado de Iowa requiere desarrollar total diaria m&aacute;xima carga (TMDLs) para m&aacute;s de 400 cuerpos de agua que figuran en la lista 303 (d) de las aguas deterioradas. La cuenca del r&iacute;o de mapache, que cubre aproximadamente 9400 km2 de tierras agr&iacute;colas de primera y representa una regi&oacute;n Maicera Midwestern t&iacute;pico en el centro-oeste de Iowa, fue encontrada para tener tres segmentos de corriente deteriorados por nitrato-N. El suelo y la herramienta de evaluaci&oacute;n de agua (SWAT) se aplic&oacute; a esta cuenca para facilitar el desarrollo de una TMDL. El marco de modelado integra SWAT con el apoyo de software y bases de datos en informaci&oacute;n meteorol&oacute;gica, ordenamiento y gesti&oacute;n, suelo y topograf&iacute;a. Anuales y mensuales simularon y medici&oacute;n de caudales y cargas de nitrato se correlacionaron fuertemente. Se evalu&oacute; la respuesta de la cuenca para un conjunto de escenarios de manejo de Cuenca donde cambios de uso y manejo de tierras quedaran uniformemente a trav&eacute;s de la cuenca. Un escenario de cambio de toda la tierra para cultivo en hilera dio lugar a una carga de nitrato aumento de alrededor del 12% sobre la condici&oacute;n de la l&iacute;nea de fondo a la salida de la cuenca. Resultados de la reducci&oacute;n de la carga de 15 nitrato encontraron a estrategias para reducir el nitrato del &lt; 1% a cerca del 85%, con la mayor reducci&oacute;n de potencial asociada con el cambio de los cultivos en hileras a pastizales. Esta investigaci&oacute;n demostr&oacute; el uso de un sistema de modelado para facilitar los an&aacute;lisis de estrategias de implementaci&oacute;n de TMDL, incluyendo la posibilidad de dirigir la asignaci&oacute;n m&aacute;s eficiente de pr&aacute;cticas alternativas sobre la base de una subcuenca.

Evaluaci&oacute;n de estrategias de aplicaci&oacute;n de la carga total del m&aacute;ximo diario por desvalorizaci&oacute;n de nitrato del r&iacute;o mapache, Iowa.

Calvin Wolter

Iowa Geological and Water Survey

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