当前位置: 首页 > news >正文

WOFOST学习笔记总结

Data providers
pcse.input 模块包含所有用于读取天气文件的类,参数文件和农业管理文件。
classpcse.input.NASAPowerWeatherDataProvider(latitude, longitude, force_update=False, ETmodel=‘PM’)[source]
用于使用 NASA POWER 数据库配合 PCSE 的 WeatherDataProvider
Parameters:
latitude – latitude to request weather data for
longitude – longitude to request weather data for
force_update – Set to True to force to request fresh data from POWER website.
ETmodel – “PM”|” P” for selecting penman-monteith or Penman method for reference evapotranspiration. Defaults to “PM”.
ETmodel 参数: “PM” = Penman-Monteith;“P” = Penman(1948)
二者都是“参考作物蒸散量(ET₀)”的经典算法,但精度、数据需求、适用范围不同,一句话区别:
Penman-Monteith 是世界粮农组织 FAO-56 推荐的唯一标准方法;
Penman(1948)是老版本、简化版,现在基本被 PM 取代。

WOFOST 作物模拟流程
classpcse.crop.phenology.DVS_Phenology(**kwargs)
WOFOST 用无量纲尺度来描述物候进程:
出苗 = 0;开花(Anthesis)= 1;成熟 = 2
这种“0-1-2”框架主要面向谷类作物。
其他作物被强行套用这个标尺,虽然对某些作物并不完全合适。
例如:马铃薯在第 1 阶段并不代表开花,而是块茎开始形成。
物候发育主要由温度驱动:
开花前:温度为主,还可被日长和春化作用修正。
开花后:仅受温度影响,发育速率不再受日长和春化调节。

调用不同模型模拟区别

ModelProduction levelCO₂ impactBiomass reallocationN dynamicsWater balanceN balance
Wofost72_PhenoPhenology only
Wofost72_PPPotential
Wofost72_WLP_CWBWater-limitedClassic
Wofost73_PPPotential
Wofost73_WLP_CWBWater-limitedClassic
Wofost73_WLP_MLWBWater-limitedMulti-layer
Wofost81_PPPotential
Wofost81_WLP_CWBWater-limitedClassic
Wofost81_WLP_MLWBWater-limitedMulti-layer
Wofost81_NWLP_CWB_CNBWater & N limitedClassicClassic
Wofost81_NWLP_MLWB_CNBWater & N limitedMulti-layerClassic
Wofost81_NWLP_MLWB_SNOMINWater & N limitedMulti-layerSNOMIN
Lingra10_PPPotential
Lingra10_WLP_CWBWater-limitedClassic
Lingra10_NWLP_CWB_CNBWater & N limitedClassicClassic
Lintul10_NWLP_CWB_CNBWater & N limitedClassicClassic
Alcepas10_PPPotential
FAO_WRSI10_WLP_CWBWater-limitedClassic
http://www.cnnetsun.cn/news/163880.html

相关文章:

  • P6365 [传智杯 #2 初赛] 众数出现的次数(C++)
  • Open-AutoGLM脚本编写全攻略(专家级编码规范曝光)
  • Linly-Talker模型压缩技术揭秘:在消费级显卡上流畅运行
  • 揭秘Open-AutoGLM自定义脚本编写难点:5大关键规范你必须知道
  • Linly-Talker支持MQTT协议用于物联网通信
  • Linly-Talker语音活跃度检测避免无效唤醒
  • Linly-Talker结合SLAM技术实现空间定位交互
  • 2025-12-20 全国各地响应最快的 BT Tracker 服务器(电信版)
  • Linly-Talker在养老院陪伴机器人的落地案例
  • php.ini的庖丁解牛
  • Linly-Talker与主流大模型对比:优势在哪里?
  • Linly-Talker语音中断检测机制提升交互自然度
  • Linly-Talker支持API调用,便于系统集成
  • Linly-Talker在金融投顾中的实际应用效果评估
  • Linly-Talker智谱AI GLM模型融合实验
  • 我发现自监督学习修复基因-影像缺损 罕见病早筛准确率翻倍
  • Linly-Talker MiniMax语音接口对接进展
  • 零基础也能做数字人?Linly-Talker全栈技术详解
  • 海外代理IP购买选哪家?海外动态住宅代理服务器供应商
  • Linly-Talker百度飞桨PaddlePaddle兼容性验证完成
  • PredictorsGPT:一个非预测系统的工程设计取舍与伦理边界
  • 如何避免 MySQL 死锁?——从原理到实战的系统性解决方案
  • Linly-Talker开发者激励计划上线:提交插件赢取奖励
  • 专业固液混合电容怎么选?这份指南告诉你哪个好
  • Linly-Talker驱动的AI心理陪伴机器人设想
  • Langchain-Chatchat能否支持文档加密上传解密?
  • 跨平台兼容性测试:Linly-Talker在Windows/Linux表现一致
  • Linly-Talker背后的技术栈:Transformer+Diffusion组合应用
  • Langchain-Chatchat OpenTelemetry统一观测知识平台
  • Linly-Talker支持多语言吗?中文语音合成表现实测