Python：生成包含反馈机制的模块图

我对编程相当陌生，我正在尝试用Python 2.7 IDLE生成一个简单的零维能量平衡模型，以计算地球表面温度，并添加了冰反照率反馈，即，如果模型的温度输出高于280K，反照率保持在0.3（30%的能量反射），如果低于250k，反照率为0.7（70%的能量被反射，因为其温度较低，因此地球上有较大的冰（白色）覆盖），如果温度介于这两者之间；反照率用公式计算。这个反照率的新值然后从模型中返回，以提供更准确的温度

在我的模块中，我定义了

最终气候模型 反照率计算 一个新的最终气候模型，考虑了新的反照率

我试图制作一张图表，将第一个气候模型的输出与第二个气候模型的输出进行比较，第一个气候模型具有不同的太阳输入，但反照率一致，第二个气候模型具有不同的反照率和太阳输出。但是不断地出错

这是我的图表脚本：

  import matplotlib.pyplot as plt
  import numpy as np
  from EBM_IceAlbFeedback import *
  # q is for the Solar Constant
  q=np.linspace(2.5e26,4.0e26,150)
  # t= temperature derived from the final climate model
  t= finalCM(Q=q)
  plt.plot(q,t,'b-')
  q=np.linspace(3.0e26,4.5e26,150)
  # tb= is the second set of temperatures derived from the NEWfinalCM which contains an Ice Albedo Feedback
  tb= NEWfinalCM(Q=q)
  plt.plot(q,tb,'r-')
  plt.show ()

我的错误消息是：

Traceback (most recent call last):
 File "K:/python/CompareCMsPlt2.py", line 13, in <module>
tb= NEWfinalCM(Q=q)
 File "K:/python\EBM_IceAlbFeedback.py", line 228, in NEWfinalCM
 NewAlb=NAlb(dist=dist, Q=Q, co2Emissions=co2Emissions, alpha=alpha, cCycleInt=cCycleInt, cCycleSlope=cCycleSlope)
 File "K:/python\EBM_IceAlbFeedback.py", line 190, in NAlb
  if ta>280.0:
 ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

回溯（最近一次呼叫最后一次）：
文件“K:/python/CompareCMsPlt2.py”，第13行，在
tb=新财务成本（Q=Q）
文件“K:/python\EBM_IceAlbFeedback.py”，第228行，在NEWfinalCM中
NewAlb=NAlb（dist=dist，Q=Q，CO2排放量=CO2排放量，alpha=alpha，cCycleInt=cCycleInt，cCycleSlope=cCycleSlope）
文件“K:/python\EBM_IceAlbFeedback.py”，第190行，在NAlb中
如果ta>280.0：
ValueError：包含多个元素的数组的真值不明确。使用a.any（）或a.all（）

我相信这是指我的模块的这一部分：

def NAlb (dist=150e9, Alb=0.3, Q=3.87e26, co2Emissions=0.0, alpha=3.0, cCycleInt=0.4,    cCycleSlope=0.0001):
'''
Readjusting Albedo to the output temperature

Arguments:

Q = solar ouput (W)
dist = distance from the sun (m)
co2Emissions = Cumulative CO2 emissions since 2010 (GtC)
alpha = climate sensitivity (K/2xCO2)
cCycleInt = Initial value of the airborne fraction (unitless)
cCycleSlope = Increment the airborne fraction per GtC (GtC^-1)

Return Value:
NewAlb= New Albedo (Unitless)
'''
# CALCULATE ABORTIVITY:
#Our model is baselined at an atmospheric CO2 concentration of 390 ppmv in 2010
baselineCO2=390.0
#The official IPCC figure for conversion of mass of emissions (GtC) top atmospheric   concentration (ppmv)
IPCCmassToConc=2.12
#approximate correction for the carbon cycle:
cCycleAdjust=cCycleInt+cCycleSlope*co2Emissions
#convert GtC to CO2 conc in ppmv:
co2=co2Emissions*cCycleAdjust/IPCCmassToConc+baselineCO2
#calculate absorptivity
absrp=absrpFromCO2( CO2=co2, alpha=alpha )

#CALCULATE TEMPERATURE: using the same method as in the finalCM
ta=transATmCM (absrpt=absrp, dist=dist, Alb=0.3, Q=Q)
# define the thresholds for an ice free state.
if ta>280.0:
    NewAlb=0.3
# define the threshold for a snow ball Earth state.
elif ta<250.0:
    NewAlb=0.7# Calculate albedo for temperatures between 280k to 230k
elif 250.0<ta<280.0:
    NewAlb=(0.3+(((0.7-0.3)/(280.0-250.0))*(280.0-ta)))
return NewAlb




  def NEWfinalCM( co2Emissions=0.0, alpha=3., dist=150e9, Q=3.87e26, cCycleInt=0.4, cCycleSlope=0.0001 ):
'''
A New final Climate model which contains and Ice Albedo Feedback

Arguments:

Q = solar ouput (W)
dist = distance from the sun (m)
co2Emissions = Cumulative CO2 emissions since 2010 (GtC)
alpha = climate sensitivity (K/2xCO2)
cCycleInt = Initial value of the airborne fraction (unitless)
cCycleSlope = Increment the airborne fraction per GtC (GtC^-1)

Return Value:
tn = surface temperature (K)
'''
#Our model is baselined at an atmospheric CO2 concentration of 390 ppmv in 2010
baselineCO2=390.0
#The official IPCC figure for conversion of mass of emissions (GtC) top atmospheric concentration (ppmv)
IPCCmassToConc=2.12
#approximate correction for the carbon cycle:
cCycleAdjust=cCycleInt+cCycleSlope*co2Emissions
#convert GtC to CO2 conc in ppmv:
co2=co2Emissions*cCycleAdjust/IPCCmassToConc+baselineCO2


#calculate temperature
absrp=absrpFromCO2(CO2=co2, alpha=alpha)
NewAlb=NAlb(dist=dist, Q=Q, co2Emissions=co2Emissions, alpha=alpha, cCycleInt=cCycleInt, cCycleSlope=cCycleSlope)

tn=transATmCM( absrpt=absrp, dist=dist, Alb=NewAlb, Q=Q)


return tn

def NAlb（dist=150e9，Alb=0.3，Q=3.87e26，CO2排放量=0.0，alpha=3.0，cCycleInt=0.4，cCycleSlope=0.0001）：
'''
将反照率重新调整到输出温度
论据：
Q=太阳能输出（W）
dist=距太阳的距离（m）
CO2排放量=自2010年以来的累计CO2排放量（GtC）
α=气候敏感性（K/2xCO2）
CcCycleint=空气传播分数的初始值（无单位）
cCycleSlope=每GtC增加的空气传播分数（GtC^-1）
返回值：
NewAlb=新反照率（无单位）
'''
#计算流产率：
#我们的模型以2010年390 ppmv的大气CO2浓度为基准
基线CO2=390.0
#IPCC官方排放物质量（GtC）转换数据最高大气浓度（ppmv）
IPCCmassToConc=2.12
#碳循环的近似校正：
cCycleAdjust=cCycleInt+cCycleSlope*CO2排放量
#将GtC转换为ppmv中的CO2浓度：
二氧化碳=二氧化碳排放量*C循环排放量/IPCCmassToConc+基线二氧化碳
#计算吸收率
absrp=absrpFromCO2（CO2=CO2，α=alpha）
#计算温度：使用与finalCM中相同的方法
ta=变速器控制模块（absrpt=absrp，dist=dist，Alb=0.3，Q=Q）
#定义无冰状态的阈值。
如果ta>280.0：
NewAlb=0.3
#定义雪球地球状态的阈值。
elif ta上面的评论是正确的，不清楚您想做什么，但是如果您想检查数组中的所有元素是否都验证了条件，那么您可以执行以下操作：

if tb.all() > 280.0:

if tb.max() > 280.0:
    ...
elif tb.min() < 250.0:

如果您对数组中是否存在填充它的值感兴趣，可以执行以下操作：

if tb.all() > 280.0:

if tb.max() > 280.0:
    ...
elif tb.min() < 250.0:

如果tb.max（）>280.0：
...
elif tb.min（）<250.0：

对于第三个条件，上述两个示例不需要超过一个简单的else语句

如果你想单独评估职位，你也可以，但我会选择以下内容：

tb_test = np.ones(tb.shape) * 3
tb_test[np.where(tb > 280)] = 1
tb_test[np.where(tb < 250)] = 2

tb\u测试=np.one（tb.shape）*3
tb_试验[np.式中（tb>280）]=1
tb_试验[np.式中（tb<250）]=2

这将使tb_测试阵列在第一个条件适用的情况下为1，第二个条件为2，第三个条件为3

当然，您可以直接插入您的计算，而不是上述不同条件适用的标识…
@cillosis-为什么？科学家不是程序员。。。至于实际错误，numpy数组上的条件（例如
x>5
）返回布尔数组（例如
数组（[True，True，False]）
），而不是单个值。