C++ 继承

缺省参数静态绑定,而虚函数动态动态绑定,注意


在析构函数中,先是对子类进行析构,再对父类进行析构。

两个阶段中,整个类被分别视做子类和父类来处理。

此时,两个阶段中调用的虚函数都是个自类里定义的函数,所以虚函数的动态绑定机制是不起作用的。


虚函数一定得有this指针,所以类中的static函数不能是虚函数(static函数没有this指针)


纯虚函数:virtual void f() = 0;这种后面有=0的虚函数

抽象类:含有纯虚函数的类,抽象类不能实例化

接口:属于抽象类


sizeof(空类)为1字节


多继承:class C : A, B,菱形继承时(class D : B, C,class B : A,class C : A)最好用vitual继承(class D : virtual B, virtual C)

多重继承:class C : B,class B : A


class A {

virtual void f() {}

int a;

};

则sizeof(A)=8,前四字节为第一个虚函数入口,后四字节为int a


class A {
public:
virtual void f() {}
};
class B {
public:
virtual void f() {}
};
class C : public A, public B {

public:
virtual void f() {}
};

C c;则c中具有两个虚指针(A的和B的)。


虚函数表:

C c; 则C有两个虚函数表,一个对应A,一个对应B,A和B表中的虚函数会被C的虚函数覆盖中,C的实例c有两个vfptr,一个指向C中的A虚函数表,一个指向B虚函数表。

如果一个类中有虚函数,那么它有多少个父类就有多少个虚函数表和多少个vfptr。

B& b = (B&)c; 则b.f()是调用c的虚函数。


本研究利用Sen+MK方法分析了特定区域内的ET(蒸散发)趋势,重点评估了使用遥感数据的ET空间变化。该方法结合了Sen斜率估算器和Mann-Kendall(MK)检验,为评估长期趋势提供了稳健的框架,同时考虑了时间变化和统计显著性。 主要过程与结果: 1.ET趋势可视化:研究利用ET数据,通过ET-MK和ET趋势图展示了蒸散发在不同区域的空间和时间变化。这些图通过颜色渐变表示不同的ET水平及其趋势。 2.Mann-Kendall检验:应用MK检验来评估ET趋势的统计显著性。检验结果以二元分类图呈现,标明ET变化的显著性,帮助识别出有显著变化的区域。 3.重分类结果:通过重分类处理,将区域根据ET变化的显著性进行分类,从而聚焦于具有显著变化的区域。这一过程确保分析集中在具有实际意义的发现上。 4.最终输出:最终结果以栅格图和png图的形式呈现,支持各种应用,包括政策规划、水资源管理和土地利用变化分析,这些都是基于详细的时空分析。 ------------------------------------------------------------------- 文件夹构造: data文件夹:原始数据,支持分析的基础数据(MOD16A2H ET数据 宁夏部分)。 results文件夹:分析结果与可视化,展示研究成果。 Sen+MK_optimized.py:主分析脚本,适合批量数据处理和自动化分析。 Sen+MK.ipynb:Jupyter Notebook,复现可视化地图。
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