shell变量

理解Linux系统变量

了解系统变量

系统定义的变量	                     意义
BASH=/bin/bash	                     Bash Shell 名称
BASH_VERSION=4.1.2(1)	             Bash 版本
HOME=/root	                         用户家目录
LOGNAME=root			             当前登录用户的名字
OSTYPE=linux-gnu                     操作系统类型
PATH=/usr/bin:/sbin:/bin:/usr/sbin	 可执行文件搜索路径
PWD=/root	                         当前工作目录
SHELL=/bin/bash	Shell                名称
USERNAME=root 	                     当前登录的用户名

在这里插入图片描述
.sh固定后缀 shell的简称

第一行声明解释环境

1、在shell 脚本中,所有的变量都由字符串组成,且不需要对变量进行声明。

2、用户变量可以是任何不超过20个的字母、数字或者下划线字符的文本字符串(变量只能以字母或下划线开头)。用户变量是大小写敏感的,因此,变量Var1和变量var1是不同的变量。

特殊变量	含义
$$	Shell本身的PID(ProcessID)
$!	Shell最后运行的后台Process的PID 
$?	最后运行的命令的结束代码(返回值) 
$-	使用Set命令设定的Flag一览 
$*	所有参数列表。如"$*"用「"」括起来的情况、以"$1 $2 … $n"的形式输出所有参数。
$@	所有参数列表。如"$@"用「"」括起来的情况、以"$1" "$2" … "$n" 的形式输出所有参数。 
$#	添加到Shell的参数个数
$0	Shell本身的文件名 
$1~$n	添加到Shell的各参数值。$1是第1参数、$2是第2参数…。
变量的赋值 变量的赋值使用“=”

例子:
x=6
a=“welcome to beijing”

单引号:就是字符串,不能调用变量,所有转移符全部关闭,完整的反应括号中的内容

双引号:部分转义符关闭,但某些则保留(如:$ ),双引可以引用变量

反引号:反引号内容作为一个系统命令并优先执行

变量的调用

在变量名前面加一个$符号
e)read从键盘读变量
read -p “提示信息” 变量名
read -e 在输入的时候可以使用命令补全功能

例子:
read –p “请输入你的用户名” username

#  编辑shell脚本文件
vim hello.sh 
#!/bin/bash
lujing=`pwd`
echo "主机名: $HOSTNAME"
echo "日期: `date`"
echo "当前操作的用户: `whoami`"
echo "当前所在的路径: $lujing"
echo "进程的PID: $$"
echo "hello $name! 我是$NAME"
echo "hello $1 $2 $3"
echo "参数有: $*"
echo "参数有: $@"
echo "一共 $# 个!"
echo "脚本: $0"

在这里插入图片描述

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,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