0829Linux

博客介绍了常见的shell类型,如bash、zsh等,还提及重要快捷键,如ctrl+c、ctrl+d。阐述了一次性创建多个文件的方法,介绍shell常用通配符。重点讲解Linux用户管理,包括查看、创建、删除用户,用户组操作等,还涉及文件权限查看、变更所有者和修改权限等内容。

常见的shell有:bash(ubuntu默认终端),zsh,ksh,csh
pwd:查看当前所在目录
一、重要快捷键
ctrl+c:强行终止当前程序
ctrl+d:键盘输入结束或退出终端
二、一次性创建多个文件
例:touch love{1..10}.txt
就会创建love1.txt,love2.txt………….love10.txt十个文件
三、shell常用通配符
这里写图片描述

四、Linux用户管理
1、查看用户
命令:who 参数:-a:打印能打印的全部
-d:打印死掉的进程
-m:同am i,mom likes
-q:打印当前登入用户数及用户名
-u:打印当前登入用户登入信息
-r:打印运行等级
例:$ who am i
shiyanlou pts/0 其中pts表示伪终端,0表示端口号共有

2、创建用户
su:su 可以切换到用户user,
su-:su -也是用户切换,同时环境变量也会改变
sudo:sudo 可以以特权级别运行cmd,需要当前用户属于sudo组
sudo adduser :创建用户
退出当前用户命令:exit or ctrl+d

用户组
可以查看当前用户属于哪个用户组
方法1:命令groups:
例:groupsshiyanloushiyanlou:shiyanlou()2groupsshiyanloushiyanlou:shiyanlou(用户名:用户组)新建用户时若不指定用户组,默认会创建一个与用户名同名的用户组方法2: cat /etc/group | sort
cat命令用于读取指定文件的内容并打印到终端输出
| sort表示将读取的文本进行一个字典排序再输出
/etc/group文件格式说明:内容包括用户组,用户组口令,GID及该用户组包含的用户,每个用户组一条记录
过滤输出结果:$ cat/etc/group | grep -E “shiyanlou”
shiyanlou:x:5000

将其他用户加入sudo
命令:usermod
$ sudo usermod -G sudo lilei//把用户lilei添加进入sudo组
删除用户
sudo deluser

查看文件权限
这里写图片描述
这里写图片描述
使用命令:$ ls -l
Linux里一切皆文件
一个目录同时具有读权限和执行权限才可以打开并查看内部文件,而一个目录要有写权限才允许在其中创建其它文件
ls命令其它常用的用法:
ls -A:显示除了当前目录和上一级目录之外的所有文件,包括隐藏文件,在linux中,以.开头的文件为隐藏文件。
ls -Al(同时使用参数A和l)
ls -dl<目录名>:查看一个目录的完整属性
ls -AsSh:显示所有文件大小,s为文件大小,S为按文件大小排序

变更文件所有者
先通过cd定位到该文件所处的位置,再通过sudo chown shiyanlou iphone6就可以把文件iphone6的所有者改为shiyanlou

修改文件权限
方式一:二进制表示
这里写图片描述
chmod 600 iphone6//6即110对应rwx,此时其它用户没有权利读写和操作
方式二:加减赋值操作
chmod go-rw iphone6
g:group o:others u:user + -:表示增加或删去功能

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值