2019-3-30日总结:

本文探讨了Java中变量交换的方法,包括使用临时变量和抑或操作符实现的无临时变量交换。此外,还介绍了条件表达式的运算规则、字符型变量的加法运算、常量优化机制以及Byte类型的数据范围。

2019-3-30日总结:
1.常用交换位置通常是开辟一个新的变量
例如
int a = 1,b = 2;
int t = 0;//开辟新变量,临时存储
t = a; a = b; b = t;
通过第三个变量完成了两值的交换
不用开辟变量的位置交换:抑或交换位置
参考:https://blog.youkuaiyun.com/houguofei123/article/details/81002587
int a = 10, b = 12; //a = 1010(2) b = 1100(2)
a = a ^ b; //a = 0110(2)
b = a ^ b; //b =1010(2)
a = a ^ b; //a = 1100(2)

2.System.out.println((4>4)?99.9:9);结果是9还是9.0?
(a<b)?a:b"是一个"条件表达式",它是这样执行的
如果a<b为真,则表达式取a值,否则取b值.
结论:表达式的后两位数值是按照基本数据类型的精度又低向高转换的(char->int->float->double),精度低的都要转化成精度高的,不论结果是前还是后。

3.char ch = ‘A’; ch = ch+32; 和 char ch = ‘A’ + 32;
先看:
char ch = ‘A’;
char ch = ch + 32;
在Java中byte short char在计算的时候会转换为int类型
ch+32这个变量是int类型的,将其赋值给char ch必定编译出错,应该改成char ch = (char)(ch + 32);
再看:给ch = ‘A’ + 32;
从网上看了一下讨论,加上自己的理解.
我来说一下常量优化机制:当数据类型为常量时,在编译期就进行运算得到运算结果,在运算期再将运算结果赋给变量,对内存进行了优化.
变量需要到运行期才能将变量的值进行赋值.
自己的理解是:底层偷偷的帮你干了强制转换的事情.
再看下面下个例子:

public static void main(String[] args) {
  String str = "ab"+"cd";
  String str1 = "abcd";
  System.out.println(str == str1);//true
  String str3 = "ab";
  String str4 = str3 + "cd";
  System.out.println(str1 == str4);//false
 }

4.Byte b = (byte) 129;
System.out.println(b);
byte一个字节占8位
不难想到最大的二进制是01111111(2),换成十进制就是(1+2+4+8+16+32+64=127)
最小的二进制是10000000(2),最小负数为-128
129(10)---->10000001减一取反—>1 1111111(原)–>-127(10)

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
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