Isadora+的设计与测试：一种使用可选择农艺方法估算灌溉需求的决策支持系统

《Scientia Horticulturae》：Design and testing of Isadora+: A decision-support system for estimating irrigation requirements using selectable agronomic methods

　　

气候预测表明，主要水果产区的蒸发需求增加且变异性增大，同时降雨可能减少。在此条件下，能够准确估算作物水分需求的决策支持工具对于现代水果生产变得至关重要。本研究介绍了Isadora+，一个数字灌溉决策支持系统（DSS），由研究人员开发并评估，用于使用最先进的方法估算作物水分需求。在本研究中，该DSS使用了两种基于蒸散（ET）的方法进行评估：FAO-56作物系数法（FAO-56 crop coefficient method）和Allen and Pereira法（Allen and Pereira method）。该DSS集成了基于云的后端、RESTful API和移动应用程序，向最终用户提供灌溉建议。其模块化架构实现了实时数据采集、自动化数据处理以及动态生成灌溉建议，这些建议以每个灌溉区域的灌溉持续时间表示，并针对特定果园条件定制。研究人员首先描述了Isadora+ DSS，然后介绍了验证结果，该平台使用上述两种方法估算了超级高密度（SHD）橄榄园的灌溉需求（IR）。Isadora+在两个连续的灌溉季节中生成了每日IR值，并与手动计算进行了比较。研究人员还评估了使用附近农业气象站记录的气象数据与使用Open-Meteo API（一种基于网络的开源气象数据服务）提供的数据的影响。研究结果表明，Isadora+为种植者和技术顾问提供了一个稳健且可扩展的工具，用于估算作物IR，所需的人工干预最少，且不依赖当地气象站记录。

**论文解读：Isadora+ 决策支持系统在果园灌溉管理中的应用与验证**

**研究背景与问题**
全球农业面临人口增长与气候变化的双重压力。到2080年代中期，全球人口预计将达约103亿，而气候变化导致蒸发需求增加、降雨变异性增大，主要水果产区的灌溉用水可用性降低。传统灌溉调度方法如FAO-56作物系数（CC）法及其经验性参数，在多年生异质性果园中适用性受限；而基于压力室（Scholander-type pressure chamber）的植物水分状态测量虽常用，但劳动密集、仅提供瞬时信息，且受多因素干扰。近年来，机械模型、植物传感器（如树干直径变化传感器、液流传感器、叶片膨压传感器）及冠层温度法已取得进展，但其商业应用受经济成本、技术知识门槛及数据解读复杂性制约。决策支持系统（DSS）能将多源数据与模型整合，为终端用户提供可操作的灌溉建议，但现有DSS多基于单一建模框架，缺乏灵活性和鲁棒性。因此，研究人员开发了Isadora+ DSS，旨在整合多种估算方法，并评估其在超级高密度（SHD）橄榄园中的性能。论文发表在《Scientia Horticulturae》。

**主要技术方法**
1. **系统架构**：基于Django后端的服务器和PostgreSQL数据库，通过RESTful API与前端（Flutter开发的移动应用、桌面端及网页端）通信。
2. **气象数据源**：支持Open-Meteo API（开源网络服务）、本地农业气象站（La Hampa实验站）及区域农业气候网络（RIA）自动检索。
3. **灌溉估算方法**：FAO-56作物系数法（ET_c = K_r K_c ET_o）和Allen & Pereira法（A&P法，基于双作物系数，区分作物蒸腾T_c与土壤蒸发E_s，需参数化气孔导度模型和土壤蒸发模型）。
4. **专家系统**：基于14年历史记录（充分灌溉的‘Arbequina’篱笆式橄榄园）设定每日IR阈值，自动调整异常值。
5. **验证样本**：2023和2024灌溉季节，在西班牙南部La Hampa实验站（37°17′ N, 6°03′ W, 30 m a.s.l.）的SHD篱笆式橄榄园（Olea europaea L., cv. Arbequina）进行，设置两个充分灌溉处理（FICC和FIAP）。

**研究结果**
**3.1 参考蒸散量（ET_o）**
通过对比Isadora+（基于Open-Meteo API）与技术人员手动计算（基于La Hampa气象站数据）的FAO-56 Penman-Monteith ET_o，发现2023年4月至8月技术人员数据因ETSZ指令错误实施（按日而非小时计算）导致低估，而Isadora+数据无误。2023年9月后及整个2024年，两者吻合度良好（2024年月度一致性达99.3%）。

**3.2 作物蒸散量（ET_c）**
ET_c的时间序列与ET_o模式一致：2023年前期技术人员低估，后期和2024年两者高度一致（见Fig. 6, 7）。A&P法估算的ET_c略高于CC法，2024年差异缩小。通过使用Isadora+调用La Hampa气象站数据运行，确认ET_c差异仅源于气象数据源，而非方法本身。

**3.3 灌溉需求（IR）**
Isadora+估算的IR值始终未超出专家系统设定的历史阈值（14年范围）。2023年因ET_o问题，Isadora+的IR高于技术人员；2024年CC法下两者吻合良好（月度一致性98.7%），A&P法下Isadora+的IR略低（月度一致性95.3%）。日尺度差异较大，但周/月尺度差异减小，主要因降水数据（La Hampa站 vs Open-Meteo）的空间异质性导致。

**讨论与结论**
讨论部分总结指出，Isadora+在无需本地气象站条件下，通过Open-Meteo API提供可靠的ET_o和ET_c估算，其A&P法减少了经验性依赖，提升了向不同果园的转移性。与现有DSS（如仅提供定性建议或基于土壤湿度阈值）相比，Isadora+直接输出以灌溉时长（小时:分钟）表示的操作性建议，且首次将A&P法整合到灌溉DSS中。系统模块化架构允许未来扩展植物传感方法（如肺压传感器ZIM、树干直径变化传感器、气孔导度模型）和机器学习算法。

**研究结论**
本研究证明，Isadora+是一个用于高频灌溉果园灌溉调度的有效且实用的决策支持系统（DSS）。结果表明，Isadora+能够将气象输入转化为可操作的灌溉计划，以每个灌溉区域的灌溉持续时间表示，所需人工干预最少，且不依赖昂贵的传感器。该系统的一个主要创新是能够同时使用传统的FAO-56作物系数法（CC）和Allen and Pereira法（A&P），后者是目前可用的作物系数估算中最先进的公式，并且据研究人员所知，这是首次将其整合到灌溉DSS中。这种双重功能使得该系统适用于不同技术水平的果园和不同专业知识的用户，同时保持简单直观的界面。结果证实，Isadora+提供的灌溉建议与专业技术人员计算的结果相当，有助于在无需高级培训的情况下采用精确灌溉管理。此外，其模块化后端架构允许未来整合机理性方法和基于植物的方法，包括气孔导度模型、ZIM探针、树干直径变化传感器和机器学习算法，进一步增强了其作为精确灌溉管理可扩展平台的潜力。