Nonpoint‐Source Pollution Reduction for an Iowa Watershed: An Application of Evolutionary Algorithms
Notice bibliographique
Résumé
We apply an integrated simulation‐optimization framework to search for cost‐efficient mix and location of agricultural conservation practices in a typical agricultural watershed for two types of nitrogen reduction targets: control of mean annual nitrogen loadings, and a “safety‐first” type constraint, insisting that nitrogen targets be met in every weather realization (weather‐resilient solutions). Evolutionary algorithms are developed for each of the appropriate water quality targets. Our approach allows for the derivation of a watershed‐level total and marginal nitrogen abatement cost curve. Controlling for the probability of meeting water quality targets (looking for weather‐resilient solutions) is found to be significantly more costly than controlling the average nitrogen loadings. Both types of solutions are assessed for robustness with respect to weather uncertainty: solutions selected to reduce average loadings do well under weather uncertainty, while the robustness of solutions selected to be resilient decreases with the stringency of the water quality goal. Nous avons appliqué un modèle intégré de simulation‐optimisation pour trouver des combinaisons de pratiques agricoles de conservation efficaces en terme de coûts et les endroits où elles devraient être adoptées dans un bassin versant agricole typique pour deux types de cibles de réduction des charges d’azote : la surveillance des charges moyennes annuelles d’azote et une contrainte du type « sécurité d’abord », selon laquelle les cibles d’azote doivent être respectées peu importe les conditions météorologiques (solutions robustes aux changements météorologiques). Nous avons élaboré des algorithmes évolutifs pour chaque cible relative à la qualité de l’eau. Notre approche a permis de dériver la courbe de coût liéà la réduction marginale et totale de l’azote dans un bassin versant. L’ajustement de la probabilité que les cibles relatives à la qualité de l’eau soient respectées (solutions robustes aux changements météorologiques) s’est révélé significativement plus coûteux que de contrôler les charges moyennes d’azote. Nous avons évalué les deux types de solutions afin de vérifier leur performance dans des conditions météorologiques incertaines : les solutions retenues pour réduire les charges moyennes fonctionnent bien dans des conditions météorologiques incertaines, tandis que la performance des solutions robustes aux conditions météorologiques diminue avec le niveau visé de qualité de l’eau.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».