基于過程的作物生長模型（Process-based Crop Growth Simulation Model）在模擬作物對氣候變化的響應與適應、農田管理優化、作物品種和株型篩選、農業碳中和、農田固碳減排等領域扮演著越來越重要的作用。Decision Support Systems for Agrotechnology Transfer (簡稱DSSAT)模型是世界知名的作物生長模擬模型之一。現有版本V4.7能模擬27種主要農作物的生長發育和產量形成過程，被廣泛應用于精細農業、水肥管理、氣候變化、糧食安全、土壤碳周轉、環境影響、農業可持續性、農業生態等諸多與農業生產和科研有關的領域。DSSAT模型內核算法是基于Fortran語言開發的，軟件界面是基于C++進行開發。了解和熟悉DSSAT模型的關鍵算法和軟件的操作是學習DSSAT模型的基礎。此外，想要成為一名優秀的作物模型使用者與科研團隊不可或缺的人才，除了掌握對作物模型相關知識之外，還要掌握模型的快速模擬和高效數據分析能力。Python是一門應用場景廣泛、簡單易學的程序語言，在DSSAT模型的氣候、土壤、管理措施等數據準備，自動化模擬和結果分析上都發揮著重要的作用。

將從DSSAT模型算法和模型軟件兩個方面熟悉掌握DSSAT模型的使用。進階將如何利用Python程序語言來快速使用DSSAT模型，讓大家不需要使用界面操作就可以快速批量運行DSSAT模型，方便各個領域可以更好地交叉融合、擴展應用。本次我們精選大量作物模型應用案例，全程干貨，全面熟悉DSSAT這一綜合型農業生態系統模型，提高模型應用能力、數據分析和圖表制作技能

【內容簡介】：

專題一 Python語言與數據科學

1 Python語言與數據科學
1)python語言發展脈絡
2)Python語言在作物模型中的應用
2 Python軟件安裝及入門
1)Anaconda軟件安裝
2)Python庫的安裝與基本語法
3)Python的字符操作與正則表達式
4)Python的數據清洗與存儲
5)各種數據格式的讀寫及操作

專題二 Python準備DSSAT氣象文件

Python操作和準備氣象文件
1）DSSAT氣象文件的編寫分析
2）使用Python編寫DSSAT氣象文件
3）日照轉輻射算法的編寫
4）DSSAT氣象文件的批量轉化

專題三 Python準備DSSAT土壤文件

1 DSSAT模型的土壤模塊及土壤輸入參數
2 使用Python近似估算土壤輸入參數
3 使用Pyhon語言操作和準備土壤輸入文件
4 使用Python快速批量生產土壤文件
5 使用Python調用全球土壤數據庫的數據并轉化成DSSAT土壤文件

專題四 Python準備DSSAT管理文件

1 使用Python對農田管理措施（播期、密度、施肥、灌溉、有機肥、秸稈還田等）進行設置
2 使用Python進行管理文件批量準備（只需要填寫excel，就能批量模擬）

專題五 Python準備DSSAT參數文件及批量模擬文件

1 DSSAT模型的主要遺傳參數，包括物種參數、生態型參數、品種參數
2 主要的參數優化方法
3 使用Python語言進行參數文件準備
4 使用Python語言對批量模擬文件的編寫

專題六 Python對模擬結果進行數據清洗、整理

1 使用Python讀取DSSAT文件的模擬結果
2 對模擬結果進行數據清洗、分類和整理

專題七 Python對模擬結果進行數據分析及繪圖

1 使用Python對模擬結果進行分析
2 使用Python計算模擬結果的MSE、RMSE、MAE、d-value、EF值
3 使用Python對模擬結果進行可視化（模擬結果的動態圖和1：1圖等）

專題八
?根據科研或生產實際，提供數據，集體討論DSSAT的高級應用方案
?提供若干附加材料，包括典型論文、其它軟件以及學習材料
?實例回顧、訓練、鞏固