基于FAO-56双作物系数法的云端精准灌溉决策支持系统——PI-Advisor

《SoftwareX》：PI-Advisor: Precision irrigation decision support with farmer-in-the-loop control

　　

有效的灌溉管理对于提高农业水分生产力至关重要，尤其是在干旱地区。尽管CROPWAT和AquaCrop是经过科学验证的成熟工具，但它们缺乏实时互联网连接、多区域时空分析能力以及农民反馈的整合功能。PI-Advisor是一个基于Python和Streamlit开发的开源云端灌溉决策支持系统，旨在解决这些局限性。该系统应用FAO-56双作物系数法（dual crop coefficient method）和Penman-Monteith参考蒸散发（reference evapotranspiration）方程，估算多个土壤-作物组合区域的每日土壤水平衡。系统从天气预报服务或用户提供的气象站文件中获取天气数据，并自动对土壤和作物矢量文件进行空间叠加，生成针对特定区域的灌溉方案。所有项目数据均作为Google Earth Engine资产进行版本化存储。系统的关键特色是引入了农民参与式决策机制（farmer-in-the-loop decision system），使用户能够接受、拒绝或修改单个灌溉建议，从而使模型能够根据实际田间条件进行重新校准。计算引擎复现了已发表的FAO-56标准算例，与两个独立的开源实现高度一致（r = 0.9996），并经过了23年半干旱气候条件下FAO参考数据的外部验证（Nash–Sutcliffe效率系数 = 0.97），季节性作物用水量估计值与AquaCrop的误差约为1%。

一、研究背景与现存问题

全球约70%的淡水抽取用于灌溉农业，其提供了世界40%的食物供应。在许多发展中国家，灌溉调度主要依赖经验知识，常导致过度灌溉（引发渍涝、能耗增加和养分淋失）或灌溉不足（造成减产）。联合国粮农组织（FAO）一直倡导基于科学的灌溉管理实践，如FAO-56指南所述。然而，推荐技术与可实施的操作工具之间存在显著差距，成为推广的主要障碍。

现有工具存在诸多局限：CROPWAT是最广泛采用的软件，但仅支持单作物分析、需手动输入数据，缺乏实时或空间分析能力；AquaCrop虽具备有效的作物生长模型，同样缺乏网络化、多区域和实时功能；IrriSAT、DSSAT及CropWaterBalance R包等工具的灌溉规划能力有限，未能全面支持网络化或空间分析。CROPWAT和AquaCrop作为单点建模标准，仅限于桌面端和单一田块分析，缺乏空间集成、实时预报和决策记录功能。IrriSAT可实现基于卫星的调度，但具有区域特异性且闭源，而CropWaterBalance R包缺乏图形界面和数据持久化能力。

因此，研究人员开发了PI-Advisor，旨在将上述方法统一为一个开源、多区域、云端化且允许农民交互的工作流程。量化效益在案例研究中得到展示：在一次会话中配置和调度12种土壤-作物组合，计算时间不足0.2秒，而相同分析若使用CROPWAT则需要12次独立运行并手动输入气象数据。

二、研究方法与技术路线

PI-Advisor是一个基于Streamlit框架v1.35+开发的先进Web应用程序，采用Python 3.12实现，部署于Streamlit Community Cloud作为单页应用。系统架构包含三个层次：数据层利用Google Earth Engine（GEE）实现持久化云存储，通过Meteoblue应用程序编程接口（API）或现场气象站数据获取天气信息，并由用户上传ESRI矢量文件定义空间区域；计算层运行FAO-56 Penman-Monteith（PM）参考蒸散发（ET_o）模型，确定双作物系数，并使用Numba即时编译（JIT）编译器加速计算每日土壤水平衡（WB）；呈现层采用Streamlit控件、Folium交互地图、Plotly图表和HTML/CSS日历。天气数据获取有两种途径：连接Meteoblue天气API获取每日最高最低温度、降雨量和平均风速的预报数据，或采用Hargreaves方法利用日最高最低温度计算太阳辐射。气象数据可通过CSV或JSON格式上传，经质量保证处理后序列化为orjson格式再上传至GEE资产。系统内置29种作物的数据库，每种作物包含四个生长阶段、三个基础作物系数（K_cb）值和株高，用户也可自定义作物。

三、研究结果

3.1 天气数据获取

软件通过两种主要方式获取天气数据：一是连接Meteoblue天气API，提供每日最高温（T_max）、最低温（T_min）、降雨量和平均风速的预报数据；二是应用Hargreaves方法，利用日最高和最低温度计算每日太阳辐射（R_s = 0.16 * √(T_max - T_min) * R_a，其中R_a为地外辐射）。气象数据可上传CSV或JSON格式，历史数据保持原样，未来参考数据被移除。

3.2 空间区域管理与作物库

系统要求加载土壤区域矢量文件和作物区域矢量文件，包含九种FAO质地分类及预定义的易蒸发水量和总蒸发水量值。通过geopandas.overlay()执行空间叠加，生成唯一的土壤-作物组合，并为每个组合独立计算水平衡（WB）。

3.3 蒸散发与水平衡计算

参考蒸散发（ET_o）通过FAO-56 Penman-Monteith公式计算：ET_o = [0.408Δ(R_n - G) + γ(900/(T+273))u₂(e_s - e_a)] / [Δ + γ(1 + 0.34u₂)]，其中Δ为饱和水汽压曲线斜率，R_n为净辐射，γ为湿度计常数，T_avg为日均温度，u₂为2米高处风速，e_s为饱和水汽压，e_a为实际水汽压。大气压力由海拔估算：P = 101.3 * [(293 - 0.0065h)/293]^5.26。作物蒸散发（ET_c）采用FAO-56双作物系数法确定：ET_c = (K_cb + K_e) * ET_o。

四、讨论与结论

PI-Advisor通过三大核心特性解决了现有工具的关键空白：第一，基于空间和时间数据的多区域灌溉调度，自动对不同土壤区域与作物区域的矢量文件进行空间叠加，生成独立水平衡（WB）；第二，引入农民参与式决策系统，使用户可以批准、拒绝或修改模型生成的灌溉处方，并根据实际田间条件重新计算或调整土壤水平衡（WB）；第三，支持云端环境下的项目管理，利用存储在GEE资产中的气象记录和灌溉决策数据，确保跨会话和跨用户的项目连续性，无需本地数据库管理。

计算引擎复现了已发表的FAO-56标准算例，与两个独立开源实现高度一致（相关系数r = 0.9996），并经过23年半干旱气候条件下FAO参考数据的外部验证（Nash-Sutcliffe效率系数 = 0.97），季节性作物用水量估计值与AquaCrop的误差约为1%。