Gradle 初识


        初次认识项目的构建集成工具,就是这次使用 Gradle。

       中文网站上有关Gradle的文章很少,有质量的则更甚之。


(1)

       入门相关的,可以参考下 推荐阅读。特别是IBM社区的那篇Blog。



(2)

        run command : gradle javadoc 在${projectDir}/build/docs 下自动生成该项目的文档。和使用eclipse 的javadoc一致。

        不过,gradle javadoc使用中可能会遇到 中文乱码 的问题--“警告:编码 GBK 的不可映射字符“,可以采取这种做法(来自:参考【1】):

        在build.gradle文件中添加:


        //编译groovy代码时采用 UTF-8

tasks.withType(GroovyCompile) {
    groovyOptions.encoding = "MacRoman"
}


       //编译JAVA文件时采用UTF-8

tasks.withType(Compile) {
    options.encoding = "UTF-8"
}


(3)

       Gradle是基于Groovy脚本语言的。使用Gradle可以轻松实现与Tomcat的交互

       run command :gradle deploy2tomcatNstart      ---- 把项目中的war包发布到Tomcat,并启动Tomcat

       run commadn :gradle stopTomcat    ---- 关闭Tomcat

mytomcatHome = System.getenv()["CATALINA_HOME"]

task deploy2tomcatNstart << {
	println "copy war from ${buildDir}\\libs into ${mytomcatHome}\\webapps"
	copy{
		from "${buildDir}\\libs"
		into "${mytomcatHome}\\webapps"
		include '*.war'
	}
	println "start tomcat !"
	startTomcat()
}
task stopTomcat << {
	println 'tomcat start to stop !'
	stopTomcat()
	println 'tomcat stopped !'
}

def executeCmd(command){
	proc = command.execute()
	proc.waitFor()
}

def startTomcat(){
	executeCmd(mytomcatHome+'\\bin\\startup.bat')
}
def stopTomcat(){
	executeCmd(mytomcatHome+'\\bin\\shutdown.bat')
}
这是一段测试代码,参考自: 参考【2】





推荐阅读:

http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/


http://www.gradle.org/get-started

http://www.gradle.org/docs/current/userguide/tutorials.html


参考:

http://leon-wood.iteye.com/blog/1714118 【1】

http://stackoverflow.com/questions/4209847/gradle-copy-war-to-tomcat-directory 【2】

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