WOFOST：不同生产水平下年生大田作物生长和产量的定量分析，以气象数据为驱动，通过调整土壤、管理和作物参数数据来控制和调整作物的生长过程。主要包括作物生长模拟模块土壤水分模拟模块、作物蒸散模块三部分
WOFOST是一个动态的、解释性模型。它以1天为间隔模拟作物生长的每个过程。它模拟的主要过程包括作物发育、CO2同化、呼吸作用、作物蒸腾、干物质分配、叶面积增长、干物质和叶片衰老、死亡土壤水分平衡等过程。它利用作物的物候发育来描述植物的生长，并以光能和CO2同化作为生长驱动过程，计算日干物质积累量，并利用分区因子建立植物各器官的数学表达式。
WOFOST模型包括主要生物物理和化学过程，其输出值为作物日增长率，并通过时间积分确定生长状况。作物生长发育的3个阶段用无量纲变量表示：0表示作物出苗，1表示作物开花，2表示作物成熟
WOFOST下载：https://www.wur.nl/en/Research-Results/Research-Institutes/Environmental-Research/Facilities-Tools/Software-models-and-databases/WOFOST.htm
关于下载的不同方向的区别：
模型总体介绍
模型主要模拟气候条件（光能辐射量、气温、降水、水汽压、风速等）、土壤条件（田间持水量、土壤导水率、N、P、K含量等）、管理条件（灌溉、施肥等）对作物的影响，通过作物、气候、王壤、养分四个模块模拟同化作用呼吸作用、蒸腾作用、干物质的分配等生理过程，对作物的生物量、产量、叶面积指数等进行模拟，其中生物量包括根茎叶存储器官和总生物量，产量包括潜在产量、水分限制产量养分限制产量三个级别，可以选择任意步长对整个生长期进行模拟.
作物生长
作物的生长取决于日净同化，而日净同化又取决于截获的光。截获的光由入射的辐射水平和作物的叶面积决定。根据吸收的辐射和单叶的光合特性，可以计算出潜在总光合速率。由于水分或氧气胁道导致的蒸腾减少导致同化物的产生减少，同化物被分配到各种植物器官上。
数据类型
气象数据主要包括降雨量、辐射量、最高气温、最低气温、蒸汽压和平均风速等
中国气象数据网站（http://data.cma.cn/）下载
采集的气象数据主要包括平均温度、最高温度、最低温度、降雨量、相对湿度、平均风速、平均海平面气压等。时间分辨率为1天。
逐日气象数据由于数据量较大，容易出现数据缺失或数据乱码情况，通常对缺失的气象数据进行插值处理
NASA Power数据库https://power.larc.nasa.gov/
该数据库提供了从1983年2020年，全球覆盖范围的每日最高温度，最低温度，太阳辐射，降雨量，风速等。这些数据已经广泛用于农业建模，作物产量模拟等。
土壤数据主要包括土壤饱和含水率、田间持水量、调菱系数和导水率等
http://vdb3.soil.csdb.cn
模型运行需要的土壤物理特性参数包括凋萎点系数、田间持水量、容重和饱和含水量等。
凋萎点系数是指作物在土壤水分含量降低到一定程度时，植物开始出现永久性萎蔫的状态。这个水分含量水平被称为凋萎点，它是衡量土壤干旱程度的一个重要指标，用来指导灌溉管理和评估作物的耐旱性。
田间持水量是指土壤在自然条件下，通过毛细作用能够保持水分的最大能力，即在重力作用下不再流失水分的土壤水分含量。它是土壤物理性质的一个重要指标，反映了土壤对水分的保持能力。
土壤容重是指单位体积土壤的质量，通常以克每立方厘米（g/cm³）为单位。它是衡量土壤紧实程度的重要指标，反映了土壤的孔隙率和土壤颗粒的密度。土壤容重的大小受到土壤类型、土壤结构、有机质含量以及水分状态等因素的影响。一般来说，土壤容重越大，表示土壤越紧实，孔隙率越小，反之则越疏松。
饱和含水量是指土壤孔隙完全充满水时的水分含量，通常以体积百分比（%）表示。它是土壤水分特性的一个重要指标，反映了土壤最大的水分保持能力。饱和含水量的大小受到土壤类型、孔隙结构、有机质含量等因素的影响。
土壤数据来自世界土壤数据库（Harmonized World Soil Database, HWSD）的中国土壤数据集。该数据可为使用者提供模型输入参数，这些数据对于土壤管理、农业规划、环境评估和生态研究等方面具有重要意义。使用美国农业局研发的软件 SPAW 土壤计算软件，利用其中 Soil Water Characteristics 模块，根据土壤中粘土、砂土、有机质含量、盐度、砂砾等含量来计算田间持水量、永久萎蔫点、田间饱和含水量等土壤参数。
与 WOFOST 耦合的水分平衡模块
**作物管理数据:**来源于不同年份的实际田间管理数据，主要包括播种、萌芽、收获时间等。灌既管理：如灌溉量、灌溉频率等；化肥管理：如果考虑了化肥，模型需要相关的参数，如施肥量、施肥时机等。
**作物参数数据：**不同的植物有不同的生长参数，例如生育期、生长速率等。与作物品种相关的参数：这些参数通常需要根据特定作物品种的特性进行调整。同样，首先查阅文献以获取参考值，然后使用"试错法"来进一步校准参数，确保其适应所种植的具体作物品种。
参数校正
敏感性分析的目的是识别出对模型输出（如最终产量、生物量、蒸散量）影响最大的参数。这些参数通常是作物参数，因为它们最具品种特异性且不确定性较高。
综合校准流程与技巧
**准备数据：**将您的实测LAI和地上部干物质量数据按日期整理好，并导入到WOFOST的校准工具或与模型输出进行对比的软件中。
**可视化对比：**始终以图表形式，将模型模拟值与实测值在同一个时间序列图上进行对比。
**迭代校准：**先跑一次初始参数，得到模拟结果。先调LAI：固定生物量相关参数，主要调整 SLA 和 衰老速率，直到LAI曲线拟合良好。再调生物量：在LAI拟合好的基础上，调整光能利用效率和分配系数，使干物重曲线拟合。这个过程往往是迭代的。调整分配系数可能会影响叶片的生长，从而轻微影响LAI。您可能需要在LAI和生物量之间进行几次微调，找到最优解。
**使用客观函数评估：**手动调整靠经验，自动校准靠算法。您可以定义目标函数，如最小化均方根误差：
RMSE_LAI = sqrt(mean((LAI_sim - LAI_obs)^2))
RMSE_AGB = sqrt(mean((AGB_sim - AGB_obs)^2))
总目标是最小化 RMSE_LAI + RMSE_AGB。可以使用优化算法自动寻找最优参数集。
**分生育期评估：**不要只看整个季度的总误差。检查模型在哪个生育阶段表现最差（例如，是快速生长期还是成熟期），这能给你更明确的调整方向。
