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 ...

University of Washington

2008 &#x5E74;&#xFF0C;&#x58A8;&#x897F;&#x54E5;&#x6E7E;&#xFF0C;&#x6D4B;&#x91CF; 20 720 km2 &#x7684;&#x7F3A;&#x6C27;&#x533A;&#x662F;&#x4E00;&#x4E2A;&#x4E24;&#x4E2A;&#x6700;&#x5927;&#x7684;&#x62A5;&#x544A;&#x4EE5;&#x6765;&#x8BE5;&#x533A;&#x57DF;&#x7684;&#x6D4B;&#x91CF;&#x59CB;&#x4E8E; 1985 &#x5E74;&#x3002;&#x7F3A;&#x6C27;&#x533A;&#x8303;&#x56F4;&#x4E0E;&#x6C2E;&#x3001; &#x78F7;&#x8D1F;&#x8377;&#x6E90;&#x81EA;&#x4E0A;&#x5728;&#x4E0A;&#x90E8;&#x4E2D;&#x897F;&#x90E8;&#x519C;&#x4E1A;&#x9886;&#x57DF;&#x6709;&#x5173;&#x3002;&#x8FD9;&#x9879;&#x7814;&#x7A76;&#x5C06;&#x7ED3;&#x5408;&#x5728;&#x4E00;&#x8D77;&#x7684;&#x8FDB;&#x5316;&#x8BA1;&#x7B97;&#x4E0E;&#x6C34;&#x8D28;&#x6A21;&#x578B;&#x5DE5;&#x5177;&#x548C;&#x6210;&#x672C;&#x6570;&#x636E;&#x4E3A;&#x6307;&#x5B9A;&#x6700;&#x5C0F;&#x7684;&#x4E0A;&#x90E8;&#x5BC6;&#x897F;&#x897F;&#x6BD4;&#x6CB3;&#x6D41;&#x57DF;&#x5F00;&#x53D1;&#x6743;&#x8861;&#x524D;&#x6CBF;&#x6210;&#x672C;&#x5B9E;&#x73B0;&#x517B;&#x5206;&#x51CF;&#x5C11;&#x548C;&#x6240;&#x9700;&#x7684;&#x519C;&#x4E1A;&#x4FDD;&#x62A4;&#x505A;&#x6CD5;&#x7684;&#x4F4D;&#x7F6E;&#x3002;&#x524D;&#x5141;&#x8BB8;&#x51B3;&#x7B56;&#x8005;&#x548C;&#x5229;&#x76CA;&#x6538;&#x5173;&#x65B9;&#x660E;&#x786E;&#x770B;&#x5230;&#x6210;&#x672C;&#x548C;&#x517B;&#x5206;&#x51CF;&#x5C11;&#x4E4B;&#x95F4;&#x7684;&#x6743;&#x8861;&#x3002;&#x4F8B;&#x5982;&#xFF0C;&#x5E74;&#x5EA6;&#x785D;&#x6001;&#x6C2E;&#x7684;&#x8377;&#x8F7D;&#x51CF;&#x5C11; 30%&#x7684;&#x6210;&#x672C;&#xFF0C;&#x9884;&#x8BA1;&#x7F8E;&#x56FD;&#x7F8E;&#x5143; 14 &#x4EBF;/&#x5E74;&#xFF0C;P &#x4E5F;&#x76F8;&#x5E94;&#x51CF;&#x5C11; 36%&#x548C;&#x8377;&#x8F7D;&#x4F5C;&#x7528; P &#x6BCF;&#x5E74;&#x51CF;&#x5C11; 30%&#x7684;&#x6210;&#x672C;&#xFF0C;&#x9884;&#x8BA1;&#x7F8E;&#x56FD;&#x7F8E;&#x5143; 3 &#x4EBF; 7000 &#x4E07;/&#x5E74;&#xFF0C;&#x785D;&#x9178;&#x76D0; N.&#x76F8;&#x5E94;&#x51CF;&#x5C11; 9 %

&#x58A8;&#x897F;&#x54E5;&#x6D77;&#x6E7E;&#x7F3A;&#x6C27;&#x533A;&#x519C;&#x4E1A;&#x517B;&#x5206;&#x8D21;&#x732E;&#x7684;&#x8D39;&#x7528;&#x6700;&#x5C11;&#x7684;&#x63A7;&#x5236;&#x3002;

In 2008, the hypoxic zone in the Gulf of Mexico, measuring 20 720 km2, was one of the two largest reported since measurement of the zone began in 1985. The extent of the hypoxic zone is related to nitrogen and phosphorous loadings originating on agricultural fields in the upper Midwest. This study combines the tools of evolutionary computation with a water quality model and cost data to develop a trade-off frontier for the Upper Mississippi River Basin specifying the least cost of achieving nutrient reductions and the location of the agricultural conservation practices needed. The frontier allows policymakers and stakeholders to explicitly see the trade-offs between cost and nutrient reductions. For example, the cost of reducing annual nitrate-N loadings by 30% is estimated to be US$1.4 billion/year, with a concomitant 36% reduction in P and the cost of reducing annual P loadings by 30% is estimated to be US$370 million/year, with a concomitant 9% reduction in nitrate-N.

Least-cost control of agricultural nutrient contributions to the Gulf of Mexico hypoxic zone.

En 2008, la zone hypoxique dans le golfe du Mexique, mesurant 20 720 km2, a &eacute;t&eacute; un des deux plus importants signal&eacute;s depuis le d&eacute;but de la mesure de la zone en 1985. L&#39;&eacute;tendue de la zone hypoxique est li&eacute; &agrave; l&#39;azote et les charges de phosphore provenant des champs agricoles dans le Haut-Midwest. Cette &eacute;tude combine les outils de calcul &eacute;volutif avec un mod&egrave;le de qualit&eacute; de l&#39;eau et le co&ucirc;tent des donn&eacute;es pour mettre une fronti&egrave;re de compromis pour le bassin sup&eacute;rieur du fleuve Mississippi, sp&eacute;cifiant le moins rentable d&#39;atteindre les r&eacute;ductions des &eacute;l&eacute;ments nutritifs et l&#39;emplacement des pratiques agricoles de conservation n&eacute;cessaires. La fronti&egrave;re permet les d&eacute;cideurs et les intervenants de voir explicitement les compromis entre le co&ucirc;t et la r&eacute;duction des &eacute;l&eacute;ments nutritifs. Par exemple, le co&ucirc;t de la r&eacute;duction des charges d&#39;azote annuelles de 30 % est estim&eacute; &agrave; US$ 1,4 milliards/an, avec une r&eacute;duction concomitante de 36 % en P et le co&ucirc;t de la r&eacute;duction des charges annuelles de P de 30 % est estim&eacute; &agrave; US$ 370 millions/an, avec une r&eacute;duction concomitante de 9 % en nitrate-N.

Contr&ocirc;le de moindre co&ucirc;t des contributions de nutriments agricoles &agrave; la zone hypoxique du golfe du Mexique.

Im Jahr 2008 z&auml;hlte die Hypoxie Zone in den Golf von Mexiko, Messung 20 720 km2, die beiden gr&ouml;&szlig;ten berichtet seit Beginn der Messung der Zone im Jahr 1985. Das Ausma&szlig; der Hypoxie Zone bezieht sich auf Stickstoff und Phosphor Belastungen von Feldern im oberen mittleren Westen stammen. Diese Studie kombiniert die Werkzeuge evolutionary Computation mit einem Wasser-Qualit&auml;t-Modell und Kostendaten eine Trade-off-Grenze f&uuml;r das obere Mississippi River-Becken, die Angabe zumindest zu entwickeln Kosten N&auml;hrstoff K&uuml;rzungen und die Lage der Erhaltung der landwirtschaftlichen Praktiken ben&ouml;tigt zu erreichen. Die Grenze kann politische Entscheidungstr&auml;ger und beteiligten Kompromisse zwischen Kosten und nahrhafte K&uuml;rzungen explizit zu sehen. Zum Beispiel einer der Reduzierung der j&auml;hrlicher Nitrat-N Belastungen von 30 % wird auf gesch&auml;tzt US$ 1,4 Milliarden/Jahr, mit einer damit einhergehenden Verringerung 36 % P und einer der Reduzierung der j&auml;hrlicher P-Belastungen von 30 % wird auf gesch&auml;tzt US$ 370 Millionen/Jahr, mit einem damit einhergehenden 9 % R&uuml;ckgang der Nitrat-N.

Least Cost Steuerung der landwirtschaftlichen N&auml;hrstoff Beitr&auml;ge der Hypoxie Zone des Golf von Mexiko.

Nel 2008, la zona ipossica nel Golfo del Messico, misura 20 720 km2, fu uno dei due pi&ugrave; grandi segnalati dal momento che la misurazione della zona inizi&ograve; nel 1985. La misura della zona ipossica &egrave; legata all&#39;azoto e fosforo carichi originarie su campi agricoli nel Midwest superiore. Questo studio combina gli strumenti di calcolo evolutivo con un modello di qualit&agrave; dell&#39;acqua e dei costi dei dati per sviluppare una frontiera di trade-off per il bacino superiore del fiume del Mississippi specificando il minimo costo di conseguire riduzioni dei nutrienti e la posizione delle pratiche agricole conservazione necessarie. La frontiera permette i responsabili politici e parti interessate vedere in modo esplicito il trade-off tra il costo e la riduzione dei nutrienti. Ad esempio, il costo della riduzione annuali di nitrato-N carichi del 30% &egrave; stimato a US$ 1,4 miliardi/anno, con una concomitante riduzione del 36% P e il costo della riduzione annuali carichi P del 30% &egrave; stimato a US$ 370 milioni/anno, con una concomitante riduzione del 9% nitrato-N.

Least cost control di contributi agricoli dei nutrienti alla zona ipossica del Golfo del Messico.

2008 &#x5E74;&#x3001;20 720 km2 &#x6E2C;&#x5B9A;&#x30E1;&#x30AD;&#x30B7;&#x30B3;&#x6E7E;&#x306B;&#x304A;&#x3051;&#x308B;&#x4F4E;&#x9178;&#x7D20;&#x30BE;&#x30FC;&#x30F3; 1 &#x3064;&#x306E;&#x6700;&#x5927;&#x306E; 2 &#x3064;&#x306E;&#x30BE;&#x30FC;&#x30F3;&#x306E;&#x6E2C;&#x5B9A;&#x306F; 1985 &#x5E74;&#x4EE5;&#x6765;&#x306E;&#x5831;&#x544A;&#x3060;&#x3063;&#x305F;&#x3002;&#x4F4E;&#x9178;&#x7D20;&#x306E;&#x30BE;&#x30FC;&#x30F3;&#x306E;&#x7BC4;&#x56F2;&#x306F;&#x3001;&#x7A92;&#x7D20;&#x3068;&#x30EA;&#x30F3;&#x306E;&#x8377;&#x91CD;&#x3092;&#x4E0A;&#x90E8;&#x306E;&#x7C73;&#x56FD;&#x4E2D;&#x897F;&#x90E8;&#x306E;&#x8FB2;&#x696D;&#x5206;&#x91CE;&#x3092;&#x767A;&#x4FE1;&#x306B;&#x95A2;&#x9023;&#x3057;&#x307E;&#x3059;&#x3002;&#x672C;&#x7814;&#x7A76;&#x306F;&#x6C34;&#x8CEA;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x9032;&#x5316;&#x8A08;&#x7B97;&#x306E;&#x30C4;&#x30FC;&#x30EB;&#x3092;&#x7D44;&#x307F;&#x5408;&#x308F;&#x305B;&#x305F;&#x3068;&#x30B3;&#x30B9;&#x30C8;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30C9;&#x30AA;&#x30D5;&#x306E;&#x30D5;&#x30ED;&#x30F3;&#x30C6;&#x30A3;&#x30A2;&#x3092;&#x5C11;&#x306A;&#x304F;&#x3068;&#x3082;&#x6307;&#x5B9A;&#x3059;&#x308B;&#x30A2;&#x30C3;&#x30D1;&#x30FC; &#x30DF;&#x30B7;&#x30B7;&#x30C3;&#x30D4;&#x5DDD;&#x6D41;&#x57DF;&#x306E;&#x958B;&#x767A;&#x30C7;&#x30FC;&#x30BF;&#x6804;&#x990A;&#x7D20;&#x524A;&#x6E1B;&#x3068;&#x5FC5;&#x8981;&#x306A;&#x8FB2;&#x696D;&#x306E;&#x4FDD;&#x5168;&#x6163;&#x884C;&#x306E;&#x4F4D;&#x7F6E;&#x3092;&#x9054;&#x6210;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x30B3;&#x30B9;&#x30C8;&#x3002;&#x30D5;&#x30ED;&#x30F3;&#x30C6;&#x30A3;&#x30A2;&#x306F;&#x3001;&#x653F;&#x7B56;&#x7ACB;&#x6848;&#x8005;&#x3084;&#x5229;&#x5BB3;&#x95A2;&#x4FC2;&#x8005;&#x306E;&#x30B3;&#x30B9;&#x30C8;&#x3068;&#x6804;&#x990A;&#x7D20;&#x524A;&#x6E1B;&#x3068;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30C9;&#x30AA;&#x30D5;&#x3092;&#x660E;&#x793A;&#x7684;&#x306B;&#x53C2;&#x7167;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x305F;&#x3068;&#x3048;&#x3070;&#x3001;&#x5E74;&#x6B21;&#x306E;&#x785D;&#x9178;&#x614B;&#x7A92;&#x7D20;&#x8CA0;&#x8377;&#x91CF;&#x3092; 30 &#xFF05; &#x524A;&#x6E1B;&#x306E;&#x30B3;&#x30B9;&#x30C8;&#x7C73;&#x56FD;$ 14 &#x5104;/&#x5E74;&#x3001;P &#x306E;&#x4F75;&#x7528; 36% &#x524A;&#x6E1B;&#x3068;&#x63A8;&#x5B9A;&#x3055;&#x308C;&#x308B;&#x3001;&#x6BCE;&#x5E74;&#x6052;&#x4F8B;&#x306E; P &#x8377;&#x91CD; 30 &#xFF05; &#x524A;&#x6E1B;&#x306E;&#x30B3;&#x30B9;&#x30C8;&#x7C73;&#x56FD;$ 3 &#x5104; 7000 &#x4E07;/&#x5E74;&#x3001;&#x785D;&#x9178; N. &#x4F75;&#x7528; 9 &#xFF05; &#x524A;&#x6E1B;&#x3068;&#x63A8;&#x5B9A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;

&#x30E1;&#x30AD;&#x30B7;&#x30B3;&#x6E7E;&#x306E;&#x4F4E;&#x9178;&#x7D20;&#x30BE;&#x30FC;&#x30F3;&#x3078;&#x306E;&#x8FB2;&#x696D;&#x6804;&#x990A;&#x306E;&#x6700;&#x5C0F;&#x30B3;&#x30B9;&#x30C8; &#x30B3;&#x30F3;&#x30C8;&#x30ED;&#x30FC;&#x30EB;&#x3002;

2008 &#xB144;, &#xBA55;&#xC2DC;&#xCF54;&#xB9CC;, &#xCE21;&#xC815; 20 720 k m 2&#xC5D0;&#xC5D0;&#xC11C; hypoxic &#xC601;&#xC5ED; &#xD558;&#xB098; &#xAC00;&#xC7A5; &#xD070; &#xB450; &#xC601;&#xC5ED;&#xC758; &#xCE21;&#xC815; 1985 &#xB144;&#xC5D0; &#xC2DC;&#xC791; &#xB41C; &#xC774;&#xD6C4;&#xB97C; &#xBCF4;&#xACE0; &#xD588;&#xB2E4;. Hypoxic &#xC601;&#xC5ED;&#xC758; &#xC815;&#xB3C4; &#xC9C8;&#xC18C;&#xC640; &#xC778; &#xC2E0; &#xC704; Midwest&#xC5D0; &#xC788;&#xB294; &#xB18D;&#xC5C5; &#xBD84;&#xC57C;&#xC5D0; &#xBC1C;&#xC0DD; &#xD558;&#xB294; &#xAD00;&#xB828;&#xC774; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C; &#xBB3C; &#xD488;&#xC9C8; &#xBAA8;&#xB378; &#xC9C4;&#xD654; &#xACC4;&#xC0B0; &#xB3C4;&#xAD6C; &#xACB0;&#xD569; &#xBE44;&#xC6A9; &#xCD5C;&#xC18C; &#xC9C0;&#xC815; &#xC704; &#xBBF8;&#xC2DC;&#xC2DC;&#xD53C; &#xAC15; &#xBD84; &#xC9C0;&#xC5D0; &#xB300; &#xD55C; &#xD2B8;&#xB808;&#xC774;&#xB4DC; &#xC624;&#xD504; &#xD504;&#xB860;&#xD2F0;&#xC5B4; &#xAC1C;&#xBC1C; &#xB370;&#xC774;&#xD130; &#xBC0F; &#xC601;&#xC591;&#xC18C; &#xAC10;&#xC18C; &#xBC0F; &#xD544;&#xC694;&#xD55C; &#xB18D;&#xC5C5; &#xBCF4;&#xC804; &#xAD00;&#xD589;&#xC758; &#xC704;&#xCE58;&#xB97C; &#xB2EC;&#xC131; &#xD558;&#xAE30;&#xC758; &#xBE44;&#xC6A9;. &#xAD6D;&#xACBD; &#xC815;&#xCC45; &#xC785;&#xC548;&#xC790; &#xBC0F; &#xC774;&#xD574; &#xAD00;&#xACC4;&#xC790; &#xBA85;&#xC2DC;&#xC801;&#xC73C;&#xB85C; &#xC601;&#xC591;&#xC18C; &#xAC10;&#xC18C; &#xBC0F; &#xBE44;&#xC6A9; &#xAC04;&#xC758; &#xC808;&#xCDA9;&#xC744; &#xBCFC; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC608;&#xB97C; &#xB4E4;&#xC5B4;, 30%&#xB85C; &#xC5F0;&#xAC04; &#xC9C8;&#xC0B0;&#xC5FC; N &#xBD80;&#xD558;&#xB7C9;&#xC744; &#xC904;&#xC774;&#xB294; &#xBE44;&#xC6A9; US$ 1.4 10 &#xC5B5;/&#xB144;, P 36% &#xAC10;&#xC18C;&#xB97C; &#xC218; &#xBC18;&#xD558;&#xB294; &#xAC83;&#xC73C;&#xB85C; &#xCD94;&#xC815; &#xB41C;&#xB2E4; &#xACE0; 30% &#xC5F0;&#xAC04; P &#xBD80;&#xD558;&#xB7C9;&#xC744; &#xC904;&#xC774;&#xB294; &#xBE44;&#xC6A9; &#xCD94;&#xC815; &#xB41C;&#xB2E4; &#xC9C8;&#xC0B0;&#xC5FC; &#xBA85; &#xC218;&#xBC18; 9% &#xAC10;&#xC18C; &#xD558; &#xC5EC; 370 &#xC5B5; &#xB2EC;&#xB7EC;/&#xB144;

&#xBA55;&#xC2DC;&#xCF54; hypoxic &#xC601;&#xC5ED; &#xB18D;&#xC5C5; &#xC601;&#xC591;&#xC18C; &#xAE30;&#xC5EC;&#xC758; &#xCD5C;&#xC18C; &#xBE44;&#xC6A9; &#xC81C;&#xC5B4;.

En 2008, la zona de hipoxia en el Golfo de M&eacute;xico, medici&oacute;n de 720 de 20 km2, fue uno de los dos m&aacute;s grandes ya que la medici&oacute;n de la zona comenz&oacute; en 1985. La extensi&oacute;n de la zona hip&oacute;xica se relaciona con nitr&oacute;geno y f&oacute;sforo cargas originadas en campos agr&iacute;colas en la regi&oacute;n central-norte. Este estudio combina las herramientas de computaci&oacute;n evolutiva con un modelo de calidad de agua y costes de datos para desarrollar una frontera de equilibrio para la cuenca alta del r&iacute;o de Mississippi especificando el menor costo de lograr reducciones de nutrientes y la ubicaci&oacute;n de las pr&aacute;cticas de conservaci&oacute;n agr&iacute;cola necesarias. La frontera permite a las autoridades y los interesados ver expl&iacute;citamente las ventajas y desventajas entre el costo y la reducci&oacute;n de nutrientes. Por ejemplo, se estima el costo de reducir las cargas anuales de nitrato por 30% US$ 1,4 billones/a&ntilde;o, con una disminuci&oacute;n concomitante de 36% en P y se estima el costo de reducir las cargas de P anuales por 30% US$ 370 millones/a&ntilde;o, con una reducci&oacute;n de 9% concomitante en nitrato-N.

Sergey Rabotyagov

School of Environmental and Forest Sciences

University of Washington

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

Sergey Rabotyagov

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}School of Environmental and Forest Sciences

University of Washington

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

School of Environmental and Forest Sciences