news 2026/7/10 2:29:56

WOFOST学习笔记总结

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
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
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/10 4:35:13

Open-AutoGLM适配效率提升300%?揭秘头部团队的5项优化策略

第一章:Open-AutoGLM 新应用适配开发流程在构建基于 Open-AutoGLM 框架的新应用时,开发者需遵循一套标准化的适配流程,以确保模型能力与业务场景高效融合。该流程强调模块化集成、配置驱动和可扩展性设计,适用于多种自然语言处理任…

作者头像 李华
网站建设 2026/7/9 21:50:06

为什么你的微调效果总不理想?:Open-AutoGLM优化路径深度复盘

第一章:为什么你的微调效果总不理想? 微调(Fine-tuning)是提升预训练模型在特定任务上表现的核心手段,但许多开发者发现,即便使用了高质量的数据和强大的模型架构,微调后的效果仍不尽如人意。问…

作者头像 李华
网站建设 2026/7/10 13:00:27

Linly-Talker本地部署教程:GPU环境配置与性能优化建议

Linly-Talker本地部署教程:GPU环境配置与性能优化建议 在AI驱动的数字人技术正从实验室快速走向落地应用的今天,一个现实问题摆在开发者面前:如何以较低成本构建一套稳定、高效且可本地化运行的实时对话系统?传统方案往往依赖专业…

作者头像 李华
网站建设 2026/7/10 13:02:38

Linly-Talker开源项目实测:语音驱动数字人口型同步效果惊艳

Linly-Talker开源项目实测:语音驱动数字人口型同步效果惊艳 在短视频与虚拟交互内容爆发的今天,一个现实问题摆在创作者面前:如何低成本、高效率地制作一段“会说话的数字人”讲解视频?传统方式依赖专业建模、动画师逐帧调整口型、…

作者头像 李华
网站建设 2026/7/10 9:17:51

Linly-Talker支持NB-IoT窄带物联网接入

Linly-Talker 支持 NB-IoT 窄带物联网接入 在地下三层的停车场、偏远山区的温室大棚,甚至无人值守的电力巡检站里,我们是否还能与数字人“对话”?当 Wi-Fi 信号微弱、4G 覆盖断续、供电依赖电池时,传统依赖高速网络和持续供电的 A…

作者头像 李华
网站建设 2026/7/10 12:08:20

手把手教你对接Open-AutoGLM API,高效定制专属AI工作流

第一章:Open-AutoGLM 二次开发接口使用指南Open-AutoGLM 提供了一套灵活且可扩展的二次开发接口,允许开发者基于其核心能力构建定制化应用。通过调用开放的 API 接口和继承关键类,用户能够实现模型行为重写、上下文增强处理以及外部系统集成。…

作者头像 李华