增加模块；增加主调用命令

prosail_method/modules/Jfunc.py

@@ -0,0 +1,54 @@
+import numpy as np
+
+def Jfunc1(k, l, t):
+    """
+    Computes J1(k, l, t) = (exp(-lt) - exp(-kt)) / (k - l)
+    Uses Taylor expansion when k ≈ l.
+    
+    k: scalar or array
+    l: array
+    t: scalar or array
+    """
+    # 广播所有变量到相同 shape（自动支持 k 是标量、l 是向量）
+    k, l, t_array = np.broadcast_arrays(k, l, t)
+
+    delta = (k - l) * t_array
+    Jout = np.zeros_like(delta)
+
+    mask_far = np.abs(delta) > 1e-3
+    mask_near = ~mask_far
+
+    # 正常计算
+    Jout[mask_far] = (
+        np.exp(-l[mask_far] * t_array[mask_far]) -
+        np.exp(-k[mask_far] * t_array[mask_far])
+    ) / (k[mask_far] - l[mask_far])
+
+    # k ≈ l 的情况，使用二阶展开
+    d = delta[mask_near]
+    Jout[mask_near] = 0.5 * t_array[mask_near] * (
+        np.exp(-k[mask_near] * t_array[mask_near]) +
+        np.exp(-l[mask_near] * t_array[mask_near])
+    ) * (1 - d * d / 12)
+
+    return Jout
+
+
+
+
+def Jfunc2(k, l, t):
+    k, l, t_array = np.broadcast_arrays(k, l, t)
+    delta = (k + l) * t_array
+    Jout = np.zeros_like(k)
+
+    mask_far = np.abs(delta) > 1e-3
+    mask_near = ~mask_far
+
+    Jout[mask_far] = (1 - np.exp(-delta[mask_far])) / (k[mask_far] + l[mask_far])
+    d = delta[mask_near]
+    Jout[mask_near] = t_array[mask_near] * (1 - 0.5 * d + d ** 2 / 6)
+
+    return Jout
+
+def Jfunc3(k, l, t):
+    return Jfunc2(k, l, t)