基于上述论述，可以总结出以下20字中文标题：“最低限度农业水文模型MY SIRR的开源发展与应用”

*SoftwareX 6（2017）107原始软件出版物MY SIRR：可持续灌溉管理的最低限度农业水文模型--土壤水分和作物动态Raffaele Albanoa，*，Salvatore Manfredab，Giuseppe Celanoca意大利波坦察巴西利卡塔大学工程学院b巴西利卡塔大学，DICEM，意大利马泰拉意大利萨莱诺大学DIFARMAar t i cl e i nf o文章历史记录：2015年11月5日收到2017年1月23日收到修订版，2017年保留字：灌溉管理土壤水分作物动力学a b st ra ct本文介绍了一个最低限度的水驱动作物模型，可持续灌溉管理使用生态水文方法。这种称为MY SIRR的模型使用相对较少的参数，并试图平衡简单性，准确性和鲁棒性。MY SIRR是一种定量工具，用于评估不同气候、土壤类型、作物和灌溉策略下的水需求和农业生产MY SIRR源代码在copyleft许可下发布自由和开放源码软件办法可以减少小农户，特别是发展中国家小农户在利用工具更好地就短期和长期水资源管理战略作出决策方面©2017作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本3.0此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-15-00079GPL（GNU通用公共许可证）v.3.0版本使用的代码版本控制系统版本3使用Python的软件代码语言、工具和服务（v. 2.7）编译要求，操作环境依赖Matplotlib和numpy包如果可用，链接到开发人员文档/手册https://github.com/raffalba/MYSIRR/blob/master/README.md问题支持电子邮件raffaele. unibas.it1. 动机和意义水供应对于满足当前和可预见的水需求变得越来越重要[1，2]。由于广大地区已经缺水，因此必须可持续地管理现有水资源，特别是农业用水在全球范围内，灌溉农业是淡水的主要用户，占总耗水量的近85%[3]，并提供约40%的粮食总产量[4]。由于新兴国家的大部分人口将倾向于提高生活水平，预计粮食生产用水的压力可能会增加[5]。因此，面对气候变化，灌溉预计将增加通讯作者。电子邮件地址：raffaele. unibas.it（R.阿尔巴诺），萨尔瓦多.曼弗雷迪@unibas.it（S。Manfreda），gcelano@unisa.it（G. Celano）。http://dx.doi.org/10.1016/j.softx.2017.04.005人口增长和粮食需求增加。因此，越来越需要优化水资源分配，以最大限度地提高生产和农业收入。因此，需要做出战略选择，以保持生产力和盈利能力，同时确保可持续的水资源管理，鉴于降雨的不可预测性，这是一项重要的任务。在这方面，特别重要的是开发简单、广泛适用的农业水文工具，使农民了解与水有关的短期和长期农业管理。鉴于农业生产系统与其所依赖的水文系统（即农业水文学）密不可分，农田农业管理决策支持工具应综合提供关键灌溉量（水量、频率等）。根据土壤类型、作物和气候特征，制定不同的灌溉方案。一方面，在开发水资源优化配置模型方面也取得了重大进展，2352-7110/©2017作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx108R. Albano等人/SoftwareX 6（2017）107==-+˜ˆ命名法R（t）降雨量λ平均降雨事件频率I（s（t））灌溉对土壤水分平衡的输入T平均日平均温度日相对日照时数p年日间小时数的每日平均百分比即平均每日环境蒸汽压力cn参考作物类型和时间步长饱和蒸汽压曲线的斜率Zr活跃土层深度ET（s（t））土壤蒸散水分流失当植物生长时，蒸腾作用减少sw萎蔫点，对应于对植物的不可逆s1发生深层渗漏和径流损失的土壤湿度水平农业管理的空间尺度从单一领域的水平，以区域尺度[6另一方面，小农需要可靠、节俭和灵活的工具，以支持他们决定更适合其需要的管理战略。在农场一级，工具的复杂性应与应用该模型所需的努力相联系，并应反映农民自由和开放源代码的方法可以降低小农户利用工具和软件的财务障碍，这些工具和软件可以导致更好的决策，特别是在发展中国家[10，11]。自由和开放源码软件工具可以促进学习，为小农户提供有此外，这些工具通常是免费发布的，它们的源代码是开放的，最终用户有权运行的土壤水分为了任何目的使用程序，研究程序是如何工作的，修改它，重新分发包括修改在内的副本的在生长季节，ET海洋总蒸散量Y作物产量电磁脉冲陡度参数的的的季节蒸散-产量函数aDIC针对具体作物对水资源限制的反应ρ（s（ t））最大归一化蒸散损失率g（s（ t）） 简化作物生物量变化率EW有效利用水分b（t）作物生物量WP水分生产率α平均降雨深度T海生长季长度ET0参考蒸散量相对湿度最小日最小相对湿度日平均风速净辐射通量平均饱和蒸汽压cd参考作物类型和时间步长丰水条件下ET最大蒸散率土壤孔隙度灌溉利用效率系数sfc土壤田间持水量，即发生深层渗漏和径流损失的土壤含水量，超过该含水量，深层渗漏不可忽略s（t）相对土壤湿度，范围从0（完全干燥土壤）到1（土壤饱和度）Rtot=αλtseas 生长季源代码的可用性和修改权是非常重要的。它允许对软件产品进行无限制的调整和改进。它还可以将代码移植到新的硬件上，使其适应不断变化的条件，并详细了解系统如何工作。2. MY SIRR模型在本文中，我们提出了一个在农场规模的决策支持工具，称为MY SIRR（Minimalist agro-hYdrological model for SustainableIrrigation management），土壤水分平衡和作物生长的描述的基础上，明确地解释了水文气候强迫的随机性和土壤-植物-大气系统的本质非线性该工具包括简单和广泛适用的公式，输入量少，清楚地显示了气候、灌溉策略、作物和土壤特征对农业生态系统的影响。相对较少的物理参数使MYSIRR适合于设计和评估新的农业举措的可行性，并调查气候变化对现有农业实践的影响。MYSIRR基于随机生态水文学[12]开发的方法，以实现一种简单、广泛适用的农业水文工具，旨在为农民，特别是发展中国家或小农提供与水有关的农业管理信息。生态水文学方法，传统上侧重于自然生态系统，有可能提供一个定量工具，评估和比较农业企业在气候，土壤类型，作物和灌溉策略，占非线性相互作用和时间随机性，同时平滑的空间异质性，通过空间集总代表-s站。通过这种方式，MYSIRR希望实现对参数不确定性具有鲁棒性且易于转移的预测ηETmax/（nZ r）最大归一化蒸发蒸腾量损耗率海洋50%对应于Ymax/2的Ymax最大作物产量WF水足迹植物水分胁迫b0b（ t0）生长季中部开始时的作物生物量在良好水分条件下的作物生长速率未 来 的 气 候 条 件 。 一 方 面 ， MYSIRR 与 其 他 可 用 软 件 （ 如CROPWAT [13]）具有相似的功能，可用于预测水资源可用性和作物对当前和未来农业气候条件的反应。另一方面，在这方面，MYSIRR具有制定优化灌溉计划、最大限度地提高水生产率（根据[14]，这被认为是水足迹的逆）的特性，用于不同的气候情景，这将有助于推动战略行动，实现可持续、高效和公平的水资源利用，并考虑到水的生产力、产量、水需求及其变化（粮食安全和资源分配规划的关键要素）。Y=h·（b（t=Tseas））作物产量，作为作物产量的函数KC生长季中部末期生物量作物系数R. Albano等人/SoftwareX 6（2017）107109\与以前的生态水文模型（例如，[12，15]），过程的物理解释是在日时间尺度上，假设所有亚日变化在定义日通量时已经平均。在这种尺度下，降雨、渗流和集中灌溉事件可以方便地被视为脉冲事件，从而大大简化了结果，而不影响描述的现实性对于给定的植被覆盖，蒸散损失受大气需水量和土壤湿度的控制，大气需水量设定了在良好灌溉条件下的最大蒸散量，土壤湿度通过气孔关闭减少了蒸腾量，土壤干燥时植物和土壤-根系导水率降低[16，17]。该模型没有考虑地下水位移动、坡度、病虫害的影响此外，我们假定植物的生产力不受养分限制，也不讨论盐度问题2.1. 模型组件和输入MY SIRR使用相当直观的输入变量，这些变量要么被广泛使用，要么在很大程度上需要简单的方法来确定。输入文件包含作物的特性、环境（气候、土壤）的特性、种植作物的人为压力（管理）的特性以及初始条件的特性。输入包括各种逗号分隔值（csv）或最终的Microsoft excels文件，易于管理，这些文件组织在项目文件中，以可扩展标记语言（XML）编码，其中包括模拟运行所需的所有信息。输入数据，这是概括图。 1、由以下部件组成：(a) 气候数据对于模拟期间的每一天，MY SIRR需要降雨量和参考蒸散量（ET）（单位：mm）作为大气蒸发需求的度量此外，MY SIRR提供了使用Penman-Monteith方程[ 18 ]或使用Blaney-Criddle方法[ 19 ]计算ET此外，该模型允许用随机方法估计降雨量和频率，如果测量数据不可用。假设根据显式泊松过程发生[20]，事件的平均频率为λ（以天-1表示），事件深度呈指数分布，平均深度为α（mm）。它提供了唯一的随机强迫耦合土壤水分-作物发育动态在每个生长季节，降雨强迫的特定实现产生随机的土壤水分轨迹，从而产生随机的作物发育路径和最终产量。这种随机方法解释了降雨不可预测性对作物产量的关键作用，而不严重依赖于计算密集型数值模拟，当Rtot=αλT时，(b) 土壤特性土壤被建模为一个水平层的深度Zr均匀的特性。土壤深度的乘积，在模型中与作物根系深度相关，孔隙度给出了有效土壤深度，即可用于储水的高度（或单位表面积的体积）。从物理的角度来看，活性土壤深度控制系统的响应时间不同的土壤活动深度对土壤和植被与气候强迫的相互作用有很大的影响，从而影响作物动态和产量。垂直平均方法因其简约性而受到提倡[21]，它允许直接分析主要过程的相互作用，并提供了一个理想的起点，以在土壤水分分析中包括外部随机水文气候波动模型所需的输入土壤参数为：田间持水量（SFC），永久萎蔫点（SW），与气孔初始关闭（s）和土壤孔隙度（n）相对应的土壤水分水平。通常，应进行当地调查或监测，以评估这些参数在农民规模上的可变性通过现场或实验室测量来估计这些参数通常是困难和昂贵的。在这些信息不能得到的情况下，作者提供了几种类型的土壤和作物的模型参数此外，还可以借助于土壤传递函数导出数据（ 例 如 ， 参 见 网 络 上 的 水 力 特 性 计 算 器 ：http://hydrolab.arsusda.gov/soilwater/Index.htm） 。这些功能是基于不同土壤质地的初级颗粒尺寸分布。由于这些函数仅取决于质地类别，它们不考虑土壤团聚体的差异，应作为粗略的近似值。(c) 作物参数该模型使用少量的作物参数，（例如，考虑植物种类和发育阶段的生物学校正因子（ KC）、活跃生根深度（Zr）、 最 大产量（Ymax）、最大产量（Ymax）、最大产量（渐近产量，描述作物的发育、生长和产量过程。出苗后，作物在其生长周期中通过扩大其冠层和加深其根系、蒸腾水分和积累生物量来生长和发育除了蒸散速率对作物生长的影响外，作物生长期的生长发育可以解释为一个由随机降雨强迫的动力系统，它以根系区的土壤水分平衡为中介作物产量作为可用降雨量、应用水和植物蒸腾的函数，在此通过Vico和Pagiato[22]提出的经验关系（作物生产力函数）计算，或者将其理想化为二分过程[9]。虽然使用来自世界不同地区的不同研究的数据已经使人们相信，大多数被认为是保守的基本参数甚至适用于不同的品种，但物种之间的遗传差异可能需要对每个物种的模型进行校准(d) 管理做法该模型包括自然和人为水分输入，以评估田间作物水分生产力农场一级。管理方案包括通过指定灌溉水的时间、深度和选择用水方法（即：喷洒器、地面或地面或地下滴注）。后者是通过引入灌溉应用效率系数EA来定义的，该系数考虑了与灌溉应用相关的非有益通量。通常，对于地面系统，施用效率不超过50%，对于喷灌，施用效率为约80%，并且对于滴灌，施用由Trout和Kincaid报道[23]）。此外，MY SIRR提供了优化灌溉频率和数量的灵活性，重点是通过最大限度地提高水生产率（WP）来实现可持续，高效和公平的用水，根据[14]，这里考虑的是水足迹的逆。这一点，可能会让农民在制定有效的灌溉策略。在这种情况下，灌溉被认为是一个瞬时的水的应用，（在每天的时间尺度），由作物和土壤水分状况达到一个定义的阈值触发取决于开始灌溉应用的植物或土壤水分状态的设定水平，可以执行应力避免或亏缺灌溉。运行模拟时，用户可以跟踪土壤含水量、土壤水分平衡组成部分、植物水分胁迫、产量和水分生产率的变化。关键的仿真结果显示在多个图形和输出逗号分隔值（csv）或最终Microsoft Excel文件中，可以帮助用户识别输入更改的后果，分析仿真结果并进行进一步的处理和分析。我110R. Albano等人/SoftwareX 6（2017）107≈{·Fig. 1. 输入定义作物生长环境的数据。SIRR还被设计用于具有不同输入数据的迭代运行例如灌溉管理实践的多种选择因此，MYSIRR可以支持选择用户认为最适合其目的的做法的决定2.2. 算法和计算程序我的SIRR有一个覆盖土壤-植物-大气连续体的结构。它包括土壤（及其水分平衡）、植物（及其发育和产量过程）和大气（及其降雨和蒸发需求）。此外，管理方面也被明确考虑，因为它们会影响土壤水分平衡、作物发育，从而影响最终产量。不考虑害虫、疾病和杂草。MY SIRR的基本模型组件及其功能在以下小节中进行了简要描述，并在图中进行了总结。 二、2.2.1. 土壤水分作为关键变量出发点是土壤水分平衡方程，对自然和人为输入和输出开放，并受到随机环境波动的影响。灌溉地块中土壤水分的时间动态可以用数值方法求解，并可用下列方程有效地描述nZds（t）= R（t）+I（s（t））− ET（s（t））− Lq（s（t））。（一个）在Eq.（1）允许对土壤水分平衡的粗略描述，即生根区土壤水分与下伏地下水位之间没有相互作用，可忽略的侧向次表层水再分布以及均匀的土壤特征和生根深度。我们假定植物的生产力不受养分的限制，也不讨论盐度问题。物理解释的过程是在日常的时间尺度水平。在这个尺度上，降雨、渗流和集中灌溉事件可以方便地被视为脉冲，从而大大简化了结果，而不损害描述的现实性因此，通过对水文变异性的简约统计描述，降雨R（t）被建模为根据速率（降雨事件的平均频率）λ的显着泊松过程发生的瞬时事件，并具有平均α的指数分布深度[20]。灌溉期I（s（t））取决于所采用的灌溉管理。主要的土壤水分流失占方程。（1）：ET（s（t））是由于蒸散（ET）引起的土壤水分损失率，而LQ（s（t））结合了深层入渗和径流损失。每日ET被假定为随时间变化，也通过土壤水分。事实上，经验证据表明，ET对土壤水分的依赖性大致为线性，从萎蔫点（这里是sw0）的基本零到气孔初始关闭点的最大速率ETmax和较高的土壤水分值（即，在良好的浇水条件下）。在下文中，我们将经常参考由活性 土壤深度，即，η（s（t））=ETmax/（nZr）。一个定量的ap-rdt具有常数损失的分段线性函数状态变量为土壤体积含水量s（t），（0s≤ 1），<假设有良好的供水条件[20]：在孔隙度n的均匀土壤的深度为Zr的代表性土壤生根区上取平均值[20]。土壤水分平衡输入ρ（s（t））=ηs（t）s0≤ss<∗（二）土壤水分损失主要为蒸散量ET（s（t））和深层渗漏与径流的结合LQ（s（t））。主要简化假设ηs ≤s≤s1其中S1是设定的土壤湿度阈值，通常在土壤田间持水量（Sfc）附近或稍高。这种简化的描述R. Albano等人/SoftwareX 6（2017）107111˜ˆ[客户端]−图二. MY SIRR的计算方案，并说明过程。特别适用于中到高导水率的土壤。由方程式（2），s_（max）为气孔初始关闭点，哪些实验证据（例如，[24，25]）表明植物蒸腾在植物萎蔫点线性减少至基本为零生根深度与植物发育的可能变化包括通过定义的Zr在生长季节。气孔关闭是描述植物对水分胁迫响应的重要过程。气孔的初期关闭是水分亏缺对植物生理的第一个影响，而另一方面，气孔的完全关闭只发生在生理影响序列的最后，当植物开始枯萎时。这些特性使气孔关闭的理想候选人划定的起点和最大水的压力。因此，我们假设当土壤水分高于气孔初始关闭水平时，植物水分胁迫为零，当土壤水分处于气孔完全关闭水平时（即当土壤水分处于气孔完全关闭水平时），植物水分胁迫达到最大值，等于1萎蔫点，sw）。植被水分胁迫与土壤水分亏缺呈非线性增长因此，Pinguato等人[26]提出的静应力的合理形式为：在我们的概念方案中，每次灌溉处理都是即时的。每当土壤水分过程达到称为“干预点"的阈值时， 这个广义的计划，使我们能够评估赤字和应力避免灌溉以及过度灌溉土壤盐分控制通过适当定义的“干预点”和“目标水平”的水需求。 根据植物或土壤的水分状况，启动时，可以进行压力避免或赤字灌溉。在第一种情况下，作物总是保持在良好的浇水条件下，而后一种情况允许一定程度的水分胁迫发生。因此，亏缺灌溉可能会以减产为代价降低需水量[30]。这一描述还包括作为干预点降至零时的这种方法允许确定不同灌溉计划之间的水需求差异，作为土壤，植物和气候条件的函数2.2.3. 土壤水分与植物动态耦合（t）=s−s（t）qs− sw对于sw≤s（t）s<（三）该工具采用了两种方法来描述作物产量与可用降雨量和应用水的关系，其中q是土壤水分亏缺对植物条件影响的非线性度量。该值因植物种类和土壤类型而异。最后，深层渗透和径流损失，LQ（s（t）），也在这里以简化的方式处理，因为他们是由Milly [27]和Pestiato等人。因此，假设当土壤湿度达到阈值s1（通常在土壤田间持水量附近或略高于土壤田间持水量）时，它们会立即发生（在每日时间尺度上）。因此，当（有效）降雨量超过可用蓄水量max（0，nZr（s s1））时，任何多余的降雨量都会立即作为径流和深层渗透损失。2.2.2. 灌溉频率和量从土壤水分过程的交叉特性中可以获得生长季节的灌溉要求（频率和水量）（详见Vico和Pinguato [29]）。植物蒸腾A. 经验作物生产力函数作物生长发育过程可看作是一个随机强迫动力系统，其中外部强迫包括水文气候变量，也可能包括其它因素。降雨量的变化对作物生长发育和产量的影响是由土壤水分调节的因此，在没有其他限制因素和干扰的情况下，可以假设生长季节任何时候的作物发育水平由土壤水分历史决定，因为后者与叶片水分状况和CO2同化、叶片伸长、开花和果实生产耦合[17]。因此，在没有其他限制因素和干扰的情况下（例如，当有足够的土壤养分可用时，以及在没有病虫害的情况下），在生长季节的任何时间，作物发育水平主要由水的可用性控制，因此，可以假定完全由土壤湿度的历史决定112R. Albano等人/SoftwareX 6（2017）107++++s（六）∗即使水分胁迫对作物产量的影响可能取决于水分亏缺发生的物候阶段和亏缺本身的程度[31]作为第一近似值，在这里简单地假设作物产量取决于总的季节性蒸腾作用可能就足够了这一假设得到了几个实验结果的支持，这些结果通过消除一个或多个作物物候期的灌溉应用，并测量相应的总季节蒸散量、ET海和产量，探讨了灌溉时间对作物产量的影响[32，33这些联系是经常采用的经验关系的基础，以量化作物产量，作为总的季节性蒸散量，ET海。当上述土壤水分动力学的描述被用来获得ET海，即。在生长季节的总蒸散量，这些经验关系允许量化的平均产量Y，作为作物和土壤特性，灌溉策略和降雨模式的函数此外，生产力函数不仅取决于所选作物，还取决于作物品种、土壤特征和管理、养分供应和气候条件，这在比较不同文献实验的数据时显而易见[22，32，33]。特别是，Vico和Pestiato [22]通过MY SIRR中使用的以下经验作物水分生产率函数拟合了观察到的蒸腾产量ETaEMP其中DIC说明了作物对水分限制的特定响应，对于干旱敏感性更高的作物，DIC更高取决于所考虑的物种，可能与观察到的初始气孔关闭的土壤水分水平一致或略低于土壤水分水平。在这里，为了对作物发育进行最低限度的描述，我们将重点放在生长海的中心部分因此，我们假设，在适当的水和养分供应，在没有额外的干扰，作物发育速率很好地近似为g（s（t）），与生长速率g独立于时间。一个非零的初始条件，植物生物量，b0，包括占发展之前的线性生长阶段，从而使模型适用于一年生和多年生作物。对于一年生和多年生生物质作物（例如，一些能量和纤维作物和叶菜类），作物发育水平通过描述根和地上生物量之间分配的异速生长常数与最终产量直接相关Y=h·（b（t=Tseas））（7）其中线性函数h[35]说明了作物生物量和可收获产量之间的分配。作物生物量和产量之间的类似一一对应关系也可以假设为粮食作物，因为在籽粒灌浆开始时作物发育和产量之间有很强的联系[36]。Y=Ymaxa海洋一（四）2.2.4. 水生产率作为农业可持续性的衡量标准EMP海洋，50%EMP海洋和生产力其中Ymax表示最大产率（即，非常高ET海的渐近产量），即生长季节的总蒸散量，ET海，50%是对应于产量Ymax/2的ET，参数aEMP定义了曲线的陡度我们关注的是水分生产率WP，这是衡量总可用水供应转化为市场产量Y的效率的指标[14]。WP在这里定义为：Y的EQ。（4）已经被Vico和Peguato [22]证明比以前提出的线性[34]和二次[32]WP=V+Rtot（八）依赖性，因此，足够灵活，通过有限数量的参数描述生产力函数的观察特征：存在最小蒸腾量，低于该最小蒸腾量，产量实际上为零，在中等ET海范围内产量对蒸腾量的几乎线性依赖性，以及产量-ET 海关系的斜率随着与良好供水条件相对应的高ET海而减小[31]。B. 最低限度作物生长模型：一种二分方法上述方法的另一种更详细的方法遵循生长季节的实际作物发育和灌溉应用[9]。忽略作物生长对蒸散率的影响，将作物生长期的生长发育解释为一个动力系统，由（不可预测的）降雨强迫，由根系区的土壤水分平衡调节随着驱动植物生长的复杂机制的极端简化，作物发育被描述为在土壤水分s高于初始气孔关闭点时不受阻碍地进行，在这些简化的假设下，作物发育的时间演变可以改写为以下形式：db（t）DT =g（s（t））（5）其中b（t）是作物生物量动态。作物发育的瞬时速率g（t）可以理想化为平稳的二分马尔可夫噪声，在无阻碍的g和有限的生长速率值之间，平均速率等于土壤水分过程阈值s的平均交叉频率[9]：{g（s）DIC如果ss<其中V Rtot是整个生长季节的总水输入，结合季节性灌溉应用V，（包括非有益用途的损失，例如，水分配效率低下）和季节性降雨Rtot。如（8）中所定义的水分生产率WP也可以解释为作物水足迹的倒数[14]。2.2.5. 可持续性的最佳灌溉策略在不同的观点下，灌溉策略可能被认为在这方面，我们注重可持续、高效和公平的用水。当地方和区域的农业做法使土地、水和其他资源不退化，从而在今后提供类似的机会，无论是可用资源还是其质量，可持续性就实现了因此，关注水资源保护的可持续性，我们将考虑两个互补的指标：（i）单位耕地面积所需的灌溉水量（灌溉量），以及（ii）单位作物产量通过降雨和灌溉提供的总水量（水分生产率）。在第二个度量中包括降雨量允许评估栽培作物如何有效地利用根据特定灌溉方案和降雨制度及其变化提供的水在这种考虑下，MYSIRR有一个模块，旨在通过网格搜索机器学习技术[37]优化 WP max约束下的灌溉频率和数量亚胺化。3. 模型和软件试点应用所提出的模型，在土壤水分时空分布方面，在意大利南部的一个研究案例研究g+如果s>sE）两个果园：1.5公顷桃园和1.5公顷猕猴桃园ET+ETg（s（t））=在Eboli（北纬40° 58'54“，东经15 ° 06' 50”）的一个私人农场进行R. Albano等人/SoftwareX 6（2017）107113=-（图3）。该软件可用于描述不同时间段、不同土壤性质的田间点的土壤水分动态通过多频电磁感应（EMI）传感器（GSSI Profiler EMP-400）进行电磁感应（EMI）测量，确定了监测点，线圈间距为1.2 m。通过EMI测量土壤表观电导率（ECa）是识别土壤物理化学性质空间变化的宝贵工具EMI测量用于估计两个果园中土壤湿度的最大统计差异，因此，可以估计果园中可能具有相似土壤特性的均匀区域该技术允许用统计方法表示果园中土壤类型的微变异性。EMI技术允许选择5因此，进行了监测活动，以评估与直接重量法的土壤水分在不同的时间段，即从5月7日至6月25日，所有选定的采样点。此外，在果园中安装了一个气象站，以便通过FAO Penman-Monteith方法[ 18 ]估计蒸散量此外，使用克里斯蒂安森均匀系数CU [ 41 ]沿安装的滴灌系统测量灌溉效率原位测量显示CU>0.9。平均单次应用体积-灌溉量约为9 mm，灌溉频率约为0.3天-1。此外，在测量活动的第一天观测到的土壤湿度水平被用作软件初始条件。图4中的结果表明，在同一研究期间，通过所选采样点的重量分析因此，该模型对不同土壤类型和作物的土壤水分这一模型中的关键变量都有较验证了模型的可靠性。然而，该模型也可用于提高用户对土壤-植物-大气相互作用的认识4. 软件框架和要求MYSIRR包目前由纯python（版本2.7）组成，不需要构建任何扩展模块因此，该脚本可以在Linux，Windows和OSX操作系统下工作。此外，该模型还依赖于许多第三方Python包，例如：“http://www.numpy.org/http://matplotlib.org/。该工具由四个主要类组成：包含主类（即myfun.py）中使用的几mysirr.py）的类，用于管理输入参数以评估结果并因此创建输出，以及用于读取项目文件及其组件并运行所提出的模型的类（mysim.py）;最后，类 mysirGUI_mainWindow.py可用于通过图形用户界面（GUI）运行模型MYSIRR相对容易通过GUI操作，并使用全球科学界和其他用户群体广泛采用的文献方程，因此不限于研究专业人员使用，而是扩大到生活在发展中地区的农民。然而，专家用户也可以跳过用户界面运行MYSIRR，因此，它可以促进多个并发仿真或需要迭代运行的应用程序。此外，通过运行程序，执行项目文件，并将结果存储在输出文件中。项目文件由一组CSV格式的输入模块组成。此外，如果用户喜欢使用输入和输出文件作为Microsoft Excel电子表格，则脚本还需要//pypi.python.org/pypi/xlrd ） 和 https://pypi.python.org/MY SIRR源代码是在自由和开源GPL（GNU公共许可证）许可下发布的。4.1. 软件功能：示例本节介绍了该模型的主要功能。所提出的方法是基于土壤水分平衡和作物生长的描述，明确占降雨的随机性和土壤-植物-大气系统的基本非线性在所提出的例子中，我们考虑玉米（玉米）作物，壤土和干燥的气候与预定的滴灌管理。输入由一个项目文件组成，该文件包含模拟运行所需的所有信息项目文件是一个文本文件，它存储了第2.1节中描述的输入模块/文件的所有路径：- 气候模块包含干燥气候的随机降雨量（λ0.1天-1和α15mm），其他参数，如（T平均）的平均日温度，◦C，（RHmin）最小日相对湿度，单位为%，（Ud）日风速（单位：m/s），（p）年白天小时数的平均日百分比，（n/N）日相对日照时数（单位：小时），用于使用Blaney-Criddle方法估算ET– 作物模块存储主要的玉米参数，以使用等式中描述的经验公式来估计玉米产量。（4）：（Zr）活跃生根深度，（Kc）生物校正因子，（Ymax）高Et海下的渐近产量，（Et海50%）最高产量50%时的季节蒸腾量，（a）决定产量对Et海下降的响应程度的作物敏感参数。作物参数的值取自Vico和Pestiato [14]。– 土壤模块存储有关（sw）枯萎点的信息，对应于对植物的不可逆损害，（sfc）深层渗透和径流损失的土壤水分水平发生，（s）气孔初始关闭点，当植物蒸腾作用减少，（n）土壤孔隙度。如[42]所示，所有土壤参数都是在壤质土壤的土壤传递函数（例如http://hydrolab.arsusda.gov/soilwater/Index.htm 上的水 力特性计算器）的帮助下估计的。农田被视为一个基质，其中每个单元都可以是具有不同土壤质地和特性的农田的一部分。在该示例中，仅针对一种细胞/土壤类型执行模拟。– 管理模块用于设置灌溉时间、灌溉量和灌溉系统类型。后者取0.9，即Trout和Kincaid [23]报告的滴灌系统的应用效率值。在项目文件中，初始土壤湿度值固定为田间容量，以考虑播种前灌溉或淡季（例如，冬季土壤水分的补充。模拟可以通过提供的用户界面或通过终端或Python解释器轻松运行。结果包括气候-作物-土壤水分输出，以两个主要图表表示，见图1和图2。图5和图6所示的方法，并存储了一个输出文件，该文件可以很容易地在电子表格中检索，以供进一步处理和分析。这些图表分别显示了土壤湿度、降雨和灌溉时间序列以及蒸散量的时间变异性，这些时间变异性通过土壤湿度和植物水分胁迫而随时间变化，即，5和6.输出文件存储土壤湿度、水生植物压力、深层渗透和径流114R. Albano等人/SoftwareX 6（2017）107Vˆ˜图三. 农场地图和本研究选择的两个果园的标识。见图4。 研究期间两果园土壤水分动态实测与模拟的相关性。表1灌溉量（mm）、灌溉间隔时间（天）和当前（CIS）和最佳（OIS）灌溉计划下的应用次数。冲洗量（mm）冲洗间隔（天）冲洗次数生长季节单个应用C是〇为C是〇为C是〇为C是〇为28833681434.23626损失，LQ（s（t）），作物发育和最终产量，每个灌溉应用的效果（例如，每单位面积的水量水的有效利用，ET+R总计和水的生产力。以这种方式因此，这两个参数的优化直接影响到灌水频率和灌水量。因此，为了更好地...用户可以识别预定的灌溉如何管理-灌水量和灌溉水量对作物胁迫、产量和所选措施的可持续性在这种情况下，MYSIRR提供的能力，以模拟一个替代灌溉计划（O是）的基础上最大化的WP。根据第2.2.2节中提出的方法，该替代方案旨在优化两个参数，以充分表征基于需求的灌溉战略，即干预点和目标水平。实际上，目标水位与干预点之间的差异与供水深度成正比农业企业可持续性的全面评估，上述对水生产率及其组成部分的考虑应与产量、需水量的量化相补充，以便将非优化的当在非优化（即当前）操作方案（Cis）下灌溉时，作物可能在生长季节的大部分时间内遭受水分亏缺（图5）。非优化的（即，目前）灌溉计划确定每生长288毫米的水应用R. Albano等人/SoftwareX 6（2017）107115图五. CIS方案的土壤湿度、降雨量和灌溉水量时间序列见图6。 植物水分胁迫时间序列和CIS方案下土壤活动深度归一化的蒸散率。在最优灌溉制度下，季节供水量为363 mm（表1）。连续冲洗之间的平均间隔时间约为CIS和OIS方案分别为3天和4.2天（表1）。平均单次冲洗体积显著不同，每次应用等于8mm（CIS）和约14mm（OIS）（表1）。另一方面，在一个具体的例子中计算出的作物产量约为6 t ha−1和8 t ha−1的CIS和OIS方案。这一结果与粮农组织AQUASTAT数据库提供的玉米作物产量范围一致对于CIS方案，这种较低的产量可能归因于灌溉供应严重不足[43]，Pérez-Pastor等人提出的产量减少和水分限制之间的关系[44]这一结论也得到了证实此外，WP在OIS计划中增加了15%。WP的增加不仅取决于Y的增加，还取决于非有益损失的减少，如水的有效利用的增加所示（约100%）。0.95和1.1分别用于CIS和OIS方案），即水的部分提供给植物，确实用于生产用途[45]。 图图7显示了两者土壤水分动态的视觉比较，即CIS和OIS，方案。结果表明，在CIS下的农田灌溉不良，接受约。OIS模拟的体积的25%。研究结果表明，采用非充分灌溉制度的优化灌溉措施，可以提高因此，他们强调需要利用这种工具来支持利益攸关方，包括116R. Albano等人/SoftwareX 6（2017）107+见图7。 CIS和OIS方案和降雨时间序列的土壤水分动态农民，设计和评估新的农业举措的可行性，并调查气候变化对现有农业实践的影响。此外，注重水资源可持续利用的方法有助于推动可持续、高效和公平用水的战略行动。5. 结论本文介绍了一个免费的开源工具，称为MY SIRR（极简主义农业水文模型可持续灌溉管理），其源代码是在GPL许可证上分发。描述了MY SIRR的概念框架、设计、结构和关键算法，以突出其鲜明的特点和独特性。这一简单、广泛适用的农业水文工具旨在向农民，特别是发展中国家的农民或小农提供有关短期和长期水资源农业管理的信息。该模型的参数是明确的，大多数是直观的，并且在简单性和鲁棒性之间保持了足够的平衡。该工具以一种简约而灵活的方式解释了主要的气候、土壤和植被特征，并包括了土壤湿度中最重要的不确定性来源和随机降雨发生器。最后，先生适用于在水分生产率（WP）最大化约束下的灌溉频率和灌溉量的优化，根据[14]，考虑了水足迹的逆。这里采用的自由和开源方法允许模型重用和重新分发的自由，因此，这增加了在协作环境中改进的可能性。致谢这项研究的资金由名为CarbOnFarm的生命项目提供，该项目旨在稳定土壤有机碳和农业生产力，促进废物价值和减缓气候变化-项目编号：Life 12 ENV/IT/719 。引用[1] 曼 弗 雷 迪 ·S 本 世 纪 的 水 资 源 管 理 Hydrol Curr Res 2013;4 ：1 .http://dx.doi.org/10.4172/2157-7587.1000e105网站。[2] Cosgrove WJ，Loucks DP.水资源管理：当前和未来的挑战和研究方向。水资源研究2015;51：4823-39。http://dx.doi的网站。org/10.1002/2014WR016869。[3] Jury WA，Vaux HJ.新出现的全球水危机：管理缺水和水用户之间的冲突。Adv Agron 2007;95 ： 1-76. http://dx.doi.org/10 的 网 站 。 1016/S0065-2113（07）95001-4。[4] Fereres E，Soriano MA.减少农业用水的非充分灌溉J Exp Bot 2007;58：147-59. http://dx.doi.org/10.1093/jxb/erl165网站。[5] 粮农组织和世界水理事会：迈向水和粮食安全的未来：决策者的关键观点，罗马，2015年。[6] 郭 SF ， 刘 顺 华.灌溉规划与管理的模 拟 与 优 化模 型 。 Hydrol Process2003;17（15）：3141-59.[7] Marques GF，Lund JR，Howitt RE.供水不确定条件下灌溉农业生产与用水决策模型研究。水资源研究2005;41（8）.[8] 张文辉，张文辉，张文辉. AquaCrop-粮农组织作物模型，用于模拟产量对水分的响应：I。概念和基本原则。 AgronJ2009;101（3）：426-37.[9] 维科·G，帕拉