AcidMap/Cd_Prediction_Integrated_System

Cd预测集成系统 (Cd Prediction Integrated System)

项目概述

这是一个集成的镉(Cd)预测分析系统，整合了作物Cd模型、有效态Cd模型和灌溉水数据分析模块。

项目结构

Cd_Prediction_Integrated_System/
├── README.md                 # 项目说明文档
├── main.py                   # 主执行脚本
├── config.py                 # 配置文件
├── models/                   # 模型模块
│   ├── __init__.py
│   ├── crop_cd_model/        # 作物Cd模型
│   │   ├── __init__.py
│   │   ├── model_files/      # 模型文件
│   │   ├── data/            # 输入数据
│   │   └── predict.py       # 预测脚本
│   └── effective_cd_model/   # 有效态Cd模型
│       ├── __init__.py
│       ├── model_files/      # 模型文件
│       ├── data/            # 输入数据
│       └── predict.py       # 预测脚本
├── analysis/                 # 数据分析模块
│   ├── __init__.py
│   ├── data_processing.py    # 数据处理
│   ├── visualization.py     # 可视化
│   └── mapping.py           # 地图绘制
├── data/                    # 共享数据
│   ├── coordinates/         # 坐标数据
│   ├── predictions/         # 预测结果
│   └── final/              # 最终数据
├── output/                  # 输出结果
│   ├── raster/             # 栅格文件
│   ├── figures/            # 图形输出
│   └── reports/            # 报告文件
└── utils/                  # 工具函数
    ├── __init__.py
    └── common.py           # 通用函数

工作流程

1. 模型预测阶段：运行作物Cd模型和有效态Cd模型
2. 数据整合阶段：将模型输出与坐标数据合并
3. 数据分析阶段：运行 02_Transfer_csv_to_geotif.py 进行格式转换
4. 可视化阶段：运行 01_Figure_raster_mapping.py 生成地图

使用方法

python main.py

依赖包

• numpy
• pandas
• torch
• sklearn
• geopandas
• rasterio
• matplotlib
• seaborn

注意事项

• 确保所有模型文件和数据文件已正确放置
• 运行前请检查配置文件中的路径设置
• 建议按照指定顺序执行：02_xxx.py → 01_xxx.py