简介：面向遥感定量反演与植被辐射传输建模场景，这份资源提供修正后的Prosail模型Python版本，重点解决调用run_prosail时，在指定SDR因子等参数组合下返回NaN的问题。压缩包共25个文件，约293KB，内含prospect_d、FourSAIL、sail_model等核心模块的py源码与pyc编译版本，以及prospect光谱库、土壤反射率、光照光谱等txt数据文件，另有nbc与nbi格式的中间计算文件，部署时只需将prosail目录放入Python的site-packages路径，即可通过import prosail直接使用，测试支持Python 3.5以上环境，其中nbc与nbi为Numba编译缓存，有助提升运行效率。该修正包发布至今已有1294人学习下载。对从事叶面积指数反演、冠层反射率模拟、遥感辐射传输模型教学或陆面过程耦合的开发者，该资源不仅省去手动修复NaN的繁杂调试，也提供可直接运行的模型接口、完整光谱数据和编译缓存，便于快速嵌入现有科研流程，也可作为理解Prosail内部机理的参考实现。

1. 一个能跑却返错的模型：Python 版 PROSAIL 的返回值问题值得认真修

用 Python 调 PROSAIL 模型模拟植被冠层反射率，最磨人的不是模型跑不起来，而是它跑得很顺利、返回值却不对：整段 NaN、反射率超过 1、光谱形态和实测完全对不上。这类「返回值错误」在 Python 移植版里出现频率极高，因为 PROSAIL 本质上是 PROSPECT 叶片光学模型与 4SAIL 冠层辐射传输模型两段程序的串联，任何一段接口约定错位，结果都会错得悄无声息。下面先把接口约定拆开，再给出修正版代码、参数配置与避坑清单，适合做遥感反演、植被参数提取和光谱模拟的工程师与学生直接照做。

2. 为什么「返回值错误」那么常见：先把 PROSPECT 与 SAIL 的接口约定拆清楚

要修返回值，先得知道返回值是怎么一路传出来的。PROSAIL 的物理路径是：叶片生化参数进入 PROSPECT，算出叶片反射率 ρ 和透过率 τ；这两条光谱再进入 4SAIL，连同 LAI、叶倾角分布、热点参数、观测几何和土壤反射率一起，算出冠层的方向反射率因子 R。返回值错误绝大多数发生在这些交接点上，而不是物理公式本身。

2.1 PROSPECT 算叶片，SAIL 算冠层：返回值链条是两段的

很多 Python 移植版是从 MATLAB 代码直接翻译的，翻译时最容易丢的是返回值的语义。原始 MATLAB 版里，PROSPECT 返回叶片反射率和透过率两个数组，4SAIL 返回冠层反射率；但有些 Python 移植版会把中间变量一起抛出来。比如 4SAIL 内部的向上辐射通量，形状和反射率一样，数值也在 0 到 1 之间，画出来却是完全不同的曲线。更常见的是荧光问题：部分移植版合并了叶绿素荧光模拟，入口函数从返回一个数组变成返回(冠层反射率, 冠层荧光)这样的元组，下游代码拿到 result 直接用，画出来的曲线在 685nm 和 740nm 附近有两个尖峰，那是荧光特征峰，不是反射率。

所以拿到任何移植版，第一件事不是跑通，而是确认返回值的语义。我习惯先跑一段探针代码，把返回值的类型、个数、形状和均值全部打印出来，确认第几个元素才是冠层反射率。

# 探针：任何移植版到手，先别信注释，直接看返回值结构 import numpy as np # run_legacy_prosail 代表你手里的某个未修正移植版入口 res = run_legacy_prosail(1.5, 40, 8, 0, 0.01, 0.005, 3.0, 1.0, 0.0, 0.01, 30, 0, 0, rsoil=0.15) print("类型:", type(res)) if isinstance(res, (tuple, list)): print("数组数量:", len(res)) for i, arr in enumerate(res): a = np.asarray(arr) print(f"第 {i} 个: shape={a.shape}, 均值={np.nanmean(a):.4f}")

这段探针能在一分钟内告诉你手里这版返回的到底是什么。逻辑上它只是对返回值做结构检查，没有调用任何模型内部函数；参数上唯一要注意的是，如果你手里的版本本身就返回元组，记住反射率通常在第 0 个位置，荧光在第 1 个位置。返回值语义永远优先于代码注释里的描述，这是我踩过几次坑之后的血泪经验。

2.2 波长网格、角度单位、土壤反射率：三处隐式约定最难防

第二类问题是隐式约定，代码不报错，结果必错。第一个是波长网格。PROSPECT 标准网格是 400–2500 nm、1 nm 步长，共 2101 个点。有的移植版在内部硬编码这份网格，外部传进来的 wavelengths 只用来做输出索引，你传一个 500–2400 的截断网格，它照样返回 2101 个点；也有移植版反过来，用外部数组的长度决定内部数组长度，你传 2000 个点，它把最后一个吸收带直接截掉。第二个是角度单位。tts（太阳天顶角）、tto（观测天顶角）、psi（相对方位角）在公式里是角度制，移植版内部一般会在三角函数之前做弧度转换。有些版本把这个转换写在入口参数上，你传弧度进去，相当于把观测几何整个换了一遍，曲线形状跟着变。第三个是土壤反射率 rsoil，最常出问题。原始 MATLAB 版接受标量也接受光谱；Python 版对标量的广播各家实现不一致，对光谱长度也没有统一校验，短光谱不报错、不错位地参与逐元素运算，恰恰是这种「看起来正常」的错误最难发现。

2.3 最小复现：一个能跑但返回 NaN 的调用

下面用两个典型调用把问题复现出来。注意这里的run_legacy_prosail是占位入口，重点看调用约定，不在函数实现——你手里的移植版可能叫任何名字。

import numpy as np wl = np.arange(400, 2501, 1) print("波长点数:", wl.shape[0]) # 2101 # 情况 1：热点参数 hspot 传 0，返回整段 NaN refl = run_legacy_prosail( 1.5, 40, 8, 0, 0.01, 0.005, # N, Cab, Car, Cbrown, Cw, Cm 3.0, 1.0, 0.0, 0.0, # LAI, LIDFa, LIDFb, hspot=0 30, 0, 0, # tts, tto, psi rsoil=0.15 ) print("hspot=0 时 NaN 比例:", np.isnan(refl).mean()) # 情况 2：土壤反射率是 10 个点的短光谱，结果不报错但波长错位 rsoil_short = np.linspace(0.1, 0.3, 10) refl = run_legacy_prosail( 1.5, 40, 8, 0, 0.01, 0.005, 3.0, 1.0, 0.0, 0.01, 30, 0, 0, rsoil=rsoil_short ) print("短土壤光谱输出形状:", refl.shape)

情况 1 是除零。4SAIL 的热点项里有分母含热点参数的表达式，参数为 0 时直接除零，NaN 会顺着辐射通量一路传播到最终反射率，而且因为传播路径复杂，经常是部分波段 NaN、部分波段正常，看起来更迷惑。情况 2 是广播错位。10 个点的 rsoil 被当成和 2101 个点逐元素运算，土壤贡献按内存对齐而不是按波长对齐，结果是一条「看起来像植被、细节全错」的曲线。这两种都属于典型的能跑但返回值错，如果你在调参之前先做数值体检——统计 NaN、检查输出长度、看值域范围——大多数问题能在五分钟内暴露。这也正是修正版要做的事：把这三道检查从「靠自觉」变成「写进函数里」。

3. 修正版怎么落地：一个函数把输入、调用、输出全部锁死

修正版不重写物理方程。PROSPECT 和 4SAIL 的辐射传输核心太成熟，重写只会引入新错误。常见的做法是保留底层核心，在外面包三层闸门：输入校验层防止非法参数进入核心，参数对齐层把土壤光谱、波长网格统一成核心认识的格式，输出校验层在返回值离开函数前做最后检查。文件保持单模块，对外只暴露一个入口，调用方式越简单越不容易错。

3.1 修正版文件结构：三层闸门怎么摆

我把修正版组织成prosail_fixed.py，结构上就三块：一个土壤对齐函数、一个输入校验函数、一个主入口。底层核心通过 import 引入，方便随时替换成你手头移植版的对应函数。

# prosail_fixed.py import numpy as np # 底层核心：不同移植版函数名不同，按你手里的版本替换 from legacy_prosail import prospect_core, sail_core def _align_rsoil(rsoil, wavelengths): """把土壤反射率统一对齐到目标波长网格。""" ... def _validate_inputs(n, cab, car, cbrown, cw, cm, lai, lidfa, lidfb, hspot, tts, tto, psi): """输入合法性校验，尽早把非法参数拦在核心之外。""" ... def run_prosail_fixed( n, cab, car, cbrown, cw, cm, lai, lidfa, lidfb, hspot, tts, tto, psi, rsoil, wavelengths=None, check=True ): """修正版主入口，返回值永远是冠层反射率 ndarray。""" ...

这个结构的好处是底层核心可替换。你手里的移植版如果是 A 版，把 A 的 prospect/sail 函数换进来；以后换了 B 版，只改 import 和核心调用两行，三层闸门原样复用。逻辑上三层职责分离得干净：校验层不碰计算，对齐层不做判断，输出层不掺参数，出问题的时候定位很快。

3.2 修正一：土壤反射率的波长对齐与标量广播

土壤反射率是重灾区，所以修正版里第一个函数专门处理它。

def _align_rsoil(rsoil, wavelengths): """把土壤反射率统一对齐到目标波长网格。 兼容四种输入：标量、单元素数组、等长光谱、异长光谱。 """ wl = np.asarray(wavelengths, dtype=float) if np.ndim(rsoil) == 0: # 标量 return np.full_like(wl, float(rsoil), dtype=float) rsoil = np.asarray(rsoil, dtype=float).reshape(-1) if rsoil.shape[0] == 1: # 单元素数组当标量 return np.full_like(wl, float(rsoil[0]), dtype=float) if rsoil.shape[0] == wl.shape[0]: # 等长光谱直接用 return rsoil.astype(float) if rsoil.max() > 1.0: raise ValueError("土壤反射率疑似百分比（0-100），需要先除以 100") # 异长光谱：按 400-2500 等间距重建参考网格后线性插值 ref_wl = np.linspace(400.0, 2500.0, rsoil.shape[0]) return np.interp(wl, ref_wl, rsoil)

逻辑上分四路：标量直接广播成等长数组，单元素数组按标量处理，等长光谱原样返回，异长光谱做线性插值。参数上要注意两点：一是百分比检测，很多实测土壤光谱是 0–100 的反射率百分比，混进来会让土壤贡献高出一个量级，这里直接抛异常；二是np.interp的参考网格默认按 400–2500 等间距重建，如果手里的土壤光谱自带波长坐标，比如是 350–2500 的实测谱，建议把坐标也传入，不要依赖等间距假设。

3.3 修正二：热点参数与角度合法性检查

输入校验层不追求穷尽，只拦最致命的几类：热点参数为 0、角度超范围、LAI 非正、N 超范围。这几类一旦漏过去，轻则 NaN，重则得到一条「合法但错误」的曲线。

def _validate_inputs(n, cab, car, cbrown, cw, cm, lai, lidfa, lidfb, hspot, tts, tto, psi): if not (1.0 <= n <= 3.0): raise ValueError(f"N 超出合理范围: {n}") if lai <= 0: raise ValueError(f"LAI 必须大于 0，当前 {lai}") if hspot <= 0: raise ValueError( f"热点参数 hspot 必须大于 0，当前 {hspot}，设 0 会得到整段 NaN") if not (0 <= tts <= 90 and 0 <= tto <= 90): raise ValueError("角度必须在 0-90 度（角度制），怀疑把弧度传进来了") if not (0 <= psi <= 180): raise ValueError("相对方位角 psi 应在 0-180 度") # LIDF 参数区间各移植版文档不同，这里只做非 NaN 检查 if not (np.isfinite(lidfa) and np.isfinite(lidfb)): raise ValueError("LIDFa/LIDFb 必须是有限数值")

这里拦截的核心是 hspot 和角度。hspot 为 0 的后果前面已经复现过，这里直接让它过不了门；角度检查把「弧度误传成角度」这类低级错误挡在门外，不至于让错误结果污染后面一整条反演流程。LIDF 的合法区间在不同移植版里定义不完全一致，所以我只在闸门里做有限性检查，具体区间留给文档——这也是工程上的一种取舍：宁可少拦，不可误拦。

3.4 修正三：返回值契约与 NaN 兜底

主入口把三层串起来，并在最后做输出契约校验。这是「解决返回值错误」的核心，也是和原版最明显的区别。

def run_prosail_fixed( n, cab, car, cbrown, cw, cm, lai, lidfa, lidfb, hspot, tts, tto, psi, rsoil, wavelengths=None, check=True ): if wavelengths is None: wavelengths = np.arange(400, 2501, 1) wavelengths = np.asarray(wavelengths, dtype=float) if check: _validate_inputs(n, cab, car, cbrown, cw, cm, lai, lidfa, lidfb, hspot, tts, tto, psi) rsoil = _align_rsoil(rsoil, wavelengths) # 核心调用；若移植版返回 (反射率, 荧光) 元组，只取反射率 leaf_refl, leaf_trans = prospect_core( n, cab, car, cbrown, cw, cm, wavelengths) result = sail_core( lai, lidfa, lidfb, hspot, tts, tto, psi, leaf_refl, leaf_trans, rsoil, wavelengths) if isinstance(result, (tuple, list)): result = result[0] # 丢弃荧光或其他伴随输出 out = np.asarray(result, dtype=float).reshape(-1) # 输出契约三重校验 if out.shape[0] != wavelengths.shape[0]: raise ValueError( f"输出长度 {out.shape[0]} 与波长数 {wavelengths.shape[0]} 不一致") if not np.all(np.isfinite(out)): raise ValueError("输出含 NaN/Inf，回查 hspot、LAI 与 LIDF 参数") out = np.clip(out, 0.0, 1.0) return out

逻辑上主入口依次做四件事：生成默认波长网格、输入校验、土壤对齐、核心调用，最后统一输出。参数上，check开关要会用：第一次跑通时保持True，进入批量循环后可以关掉校验换速度，但输出契约里的长度和 NaN 检查建议永远保留，因为 NaN 往往和具体参数组合相关，批量时才暴露。输出契约的三重检查分别对应三类真实问题：长度不对是网格约定错了，NaN 是辐射传输内部发散，值域越界是返回值语义不对。

# 调用示例 wl = np.arange(400, 2501, 1) refl = run_prosail_fixed( 1.5, 40, 8, 0, 0.012, 0.005, 3.0, 1.0, 0.0, 0.01, 30, 0, 0, rsoil=0.15, wavelengths=wl) print(refl.shape, float(refl.min()), float(refl.max()))

正常输出应该是(2101,)，最小值接近 0.01，最大值在 0.5 左右。如果最大值顶到 1.0 或者最小值贴 0.0，多半不是代码问题，是参数设到了极端区间，这就要看下一章的参数配置了。

4. 参数怎么设：推荐配置加上三个不依赖实测数据的自检方法

修正版能保证接口正确，但不能保证物理参数合理。参数设错了，返回值照样是「合法」的错——形状对、值域对，曲线形状不对。下面给一套从叶片到冠层的参数分组和三个自检方法，每个方法都是一两行代码的事，不需要实测数据就能验证模型是否工作在合理区间。

4.1 参数分组、单位与典型起点值

PROSAIL 的参数可以分成四组：叶片组、冠层组、几何组、背景组。分组的意义在于排错时缩小范围——曲线吸收带不对先查叶片组，整体幅度不对先查冠层组，方向性不对先查几何组。

第一次跑通用起点值，曲线形态正常后再按研究场景微调。叶片组决定吸收带深度，冠层组决定整体幅度和波段间对比，几何组影响方向和热点峰，背景组主要改变红光到短波红外区的基线。这里最容易翻车的是单位：Cab 是 μg/cm²，Cw 是 g/cm²，不是百分比，不是毫米。

4.2 自检方法一：绿峰、红谷与近红外平台三连看

健康植被的冠层反射率有三个标志性特征：550nm 附近的绿峰高于 670nm 的红谷，680–750nm 红边陡升，800–1300nm 近红外平台整体抬高。这三个特征写成一个检查函数，跑一次就知道返回值对不对。

def check_spectrum_shape(refl, wl): """三个特征点：绿峰、红谷、近红外平台。""" def val_at(target): return refl[np.argmin(np.abs(wl - target))] green, red, nir = val_at(550), val_at(670), val_at(900) print(f"绿峰(550)={green:.3f} 红谷(670)={red:.3f} 近红外(900)={nir:.3f}") assert green > red, "绿峰低于红谷，返回值可能是透过率或荧光" assert 0.2 < nir < 0.9, f"近红外平台数值异常: {nir}"

逻辑上它取三个特征点的值做断言。参数上要结合场景理解：LAI 为 1 的稀疏冠层，近红外平台可能在 0.25 左右；LAI 到 5 以上会接近 0.6。如果近红外低于 0.2，先怀疑 LAI 太低或 rsoil 太高；如果高于 0.9，基本可以确定返回值不是冠层反射率。我每次换移植版，第一件事就是跑这个函数，它能挡掉一半的返回值错误。

4.3 自检方法二：水吸收带与干物质吸收带的位置检查

植被光谱在 1450nm 和 1950nm 有两个明显的水吸收带，在 1720nm 附近有干物质吸收带。这个特征用来验证 Cw 和 Cm 的单位是否正确。

def check_absorption_bands(refl, wl): """水吸收带深度检查：1450nm 应明显低于 1200nm 平台。""" water = refl[np.argmin(np.abs(wl - 1450))] nir_ref = refl[np.argmin(np.abs(wl - 1200))] ratio = water / max(nir_ref, 1e-6) print(f"1450nm / 1200nm 比值 = {ratio:.3f}") assert ratio < 0.8, "水吸收带不够深：Cw 可能单位错了或偏小"

逻辑上它用比值而不是绝对值，这样能避开土壤基线的影响。参数上要记住：Cw 的合理值在 0.005–0.05 g/cm²，如果传了百分比或者毫米，吸收带要么深到贴 0，要么浅到看不见，比值会直接出界。这条检查和第 5 章的含水量单位坑是配套的。

4.4 自检方法三：角度与 LAI 的方向性响应

冠层反射率对角度有明确的物理响应：太阳天顶角增大，反射率整体下降；LAI 增大，近红外上升的幅度远大于红光。用这两条规律验证几何和冠层参数是否真的生效。

wl = np.arange(400, 2501, 1) # 角度响应：tts 从 0 变到 60，近红外应明显下降 for tts in [0, 30, 60]: r = run_prosail_fixed(1.5, 40, 8, 0, 0.012, 0.005, 3.0, 1.0, 0.0, 0.01, tts, 0, 0, 0.15, wl) nir = r[np.argmin(np.abs(wl - 900))] print(f"tts={tts:2d} NIR(900)={nir:.3f}") # LAI 响应：红光变化小，近红外变化大 for lai in [1.0, 3.0, 5.0]: r = run_prosail_fixed(1.5, 40, 8, 0, 0.012, 0.005, lai, 1.0, 0.0, 0.01, 30, 0, 0, 0.15, wl) red = r[np.argmin(np.abs(wl - 670))] nir = r[np.argmin(np.abs(wl - 900))] print(f"LAI={lai:.1f} Red={red:.3f} NIR={nir:.3f}")

如果 tts 增大而近红外几乎不变，说明角度单位或角度转换有问题；如果 LAI 增大但红光和近红外同步变化，说明冠层结构参数没有真正进入核心。这套方向性响应检查，是把「黑匣子」变成「可解释系统」的最快路径。

5. 避坑清单：修正版上线后仍然会翻车的五个高频问题

修正版能挡掉大部分接口层问题，但参数和用法上的坑仍然存在。下面五条是我在处理这类模型时反复遇到的高频翻车点，每条按现象、原因、解决三步给。

5.1 零星 NaN 仍在：LIDF 参数越界的排查

现象：修正版输出契约已经打开，批量模拟时仍然偶发 NaN，而且不是整段 NaN，是零散几个波段。

原因：hspot 已经大于 0，但 LIDFa/LIDFb 的组合越界，导致叶倾角分布函数出现负值，投影系数为负，辐射通量在迭代中发散。这类 NaN 只出现在特定参数组合下，单个样本检查时很容易漏掉。

解决：先查移植版文档里 LIDFa/LIDFb 的合法区间，起步用球形分布即 a=1、b=0 验证；批量实验时对每个输出跑一次np.isfinite检查，不要只检查第一个样本。我在批量循环里一般会每 100 个样本打印一次失败率，早发现早停。

5.2 输出长度是 2100 而不是 2101：arange 端点写错了

现象：修正版抛「输出长度与波长数不一致」，细看发现波长数是 2100 或 2102。

原因：自己生成波长时用了np.arange(400, 2500, 1)，少了一个端点。np.arange是半开区间，[400, 2500)只有 2100 个点，这会漏掉 2500nm 这个端点，并让内部网格和外部网格错位一个点。

解决：统一用np.arange(400, 2501, 1)，这是闭区间的正确写法。修正版里保留输出长度断言，就是为了在早期抓住这类端点错误，不要图省事把断言删掉。

5.3 角度传成了弧度：不报错但曲线整体偏低

现象：模型跑通，输出值域也正常，但曲线整体偏低，红边变缓，怎么调参数都像「永远阴天」的场景。

原因：把弧度当角度传了进去，比如 tts 传 0.52 而不是 30。某些移植版内部已经用角度制做三角函数，外部再传弧度，相当于把太阳位置放到了地平线附近。

解决：修正版的 0–90 度校验会直接拦截大部分情况，但要注意 tts=0.52 这类值本身仍在校验范围内。我习惯在入口处加一道检测：max(tts, tto) < 3就报警，因为它几乎不可能是真实观测几何。

5.4 含水量单位错了：1450nm 吸收带深到贴 0

现象：光谱在 1450nm 和 1950nm 处反射率几乎为 0，近红外平台也被拉低，整体曲线像「湿透的叶子」。

原因：Cw 用百分比或毫米传入。等效水厚度的合理单位是 g/cm²，1mm 液态水约等于 0.1 g/cm²，如果把叶片含水量百分比直接传进去，等效水厚度会大两个量级。

解决：统一用 g/cm²，换算时记住 1mm 水柱 = 0.1 g/cm²。用第 4 章的吸收带比值做自检，1450nm 与 1200nm 的比值应该落在 0.3–0.8 区间，超出这个区间八成是单位问题。

5.5 批量循环后面全坏：底层核心动了传入数组

现象：批量循环前几十个样本正常，后面输出逐渐偏移，甚至抛异常；单独跑每个样本又都是对的。

原因：底层核心把传入的leaf_refl或rsoil数组就地修改，下一轮复用时数组已被上一轮污染。这类别名问题在从 MATLAB 翻译过来的代码里尤其常见。

解决：每次调用前用np.array(..., copy=True)复制叶片和土壤输入，输出用 list 收集再统一np.vstack，不要把输出写进预分配的大数组。批量循环里保留输出契约检查，能在污染出现的第一时间定位到具体参数组合。

6. 把修正版接进参数寻优：敏感性分析、反演与一个自检习惯

修正版稳定输出正确光谱之后，最直接的用途是接进反演。先说敏感性分析：固定其他参数，只扫目标参数，看光谱哪些波段响应最大，这决定了反演时用哪些波段。

wl = np.arange(400, 2501, 1) # 扫 Cab，观察红边区域的梯度变化 for cab in [20, 40, 60, 80]: r = run_prosail_fixed(1.5, cab, 8, 0, 0.012, 0.005, 3.0, 1.0, 0.0, 0.01, 30, 0, 0, 0.15, wl) grad = np.gradient(r) red_edge = grad[np.argmin(np.abs(wl - 720))] print(f"Cab={cab:2d} 红边梯度≈{red_edge:.5f}")

参数寻优时用最小二乘，注意三点：目标参数和波段要匹配，Cab/LAI 主要在 400–1000nm 敏感，Cw 要用 900–2500nm 波段；rsoil 当成常量，但反演前先固定它；多起点优化避免局部最优。

from scipy.optimize import least_squares obs = measured_refl # 实测冠层反射率，长度与 wl 一致 def cost(x): cab, lai, cw = x sim = run_prosail_fixed(1.5, cab, 8, 0, cw, 0.005, lai, 1.0, 0.0, 0.01, 30, 0, 0, 0.15, wl) return sim - obs res = least_squares(cost, x0=[40, 3.0, 0.012], bounds=([5, 0.5, 0.004], [80, 8.0, 0.05])) print("反演结果:", res.x)

最后说一个我现在改不掉的习惯：无论换哪个移植版，第一件事是用第 4 章的三项自检跑一遍默认参数，确认光谱形状、吸收带和角度响应都正常，再进批量。PROSAIL 的返回值错误大多是接口层问题，花五分钟确认接口，比事后在几千条模拟结果里找 NaN 划算得多。希望帮到你。

本文还有配套的精品资源，点击获取