多目标灌溉优化：基于作物模拟模型与历史气象数据的方法

简介：
本研究运用作物模拟模型及历史气象数据，提出一种创新性的多目标灌溉优化方法，旨在提高水资源利用效率并保障农作物产量。 多目标灌溉优化利用作物模拟模型与历史天气数据进行多目标方法的优化。我们提出了一种基于WOFOST作物模拟模型的机器学习方法来评估作物产量及水分使用效率。在我们的研究中，通过应用非支配排序遗传算法-II（NSGA-II）来进行多准则优化，使用户能够确定灌溉日期和水量以最大化产量并减少水流失。 为了运行WOFOST模型和多目标灌溉优化代码示例，请打开How_to_start.ipynb文件，并使用Google Colab环境。 若要绘制优化结果，则需要在Google Colab中打开Plots_for_ICCS.ipynb文件。 本研究的实施依赖于PCSE / WOFOST-Python作物模拟器和PyMOO-多目标优化库的支持，安装这些工具的方法是首先克隆相应的存储库，并且在一个新的conda环境中进行操作。 请注意，在本地计算机上执行上述步骤时，请确保先创建一个新的conda环境。