=========重新开张=========

由于配合一下工作,重新开通这个关掉的blog 
<el-table-column prop="status" label="门店状态" min-width="180"> <template slot-scope="scope"> <el-select class="no-border-select" :disabled="!scope.row.isValid" v-model="scope.row.status" @change="onchangeStatus(scope.row)"> <el-option v-for="item in options" :key="item.value" :label="item.label" :value="item.value"> </el-option> </el-select> <span v-if="scope.row.status == 0 && scope.row.close_reason" class="delBtn">({{ scope.row.close_reason }})</span> <span v-if="scope.row.status == 2 && scope.row.close_open_time" class="delBtn">({{ scope.row.close_open_time }}开业)</span> </template> </el-table-column> options: [ { value: 0, label: '已歇业' }, { value: 1, label: '正常营业' }, { value: 2, label: '筹建中' }, ], onchangeStatus(row) { if (row.status == 0) { this.$prompt('', '歇业理由', { confirmButtonText: '确定', cancelButtonText: '取消', inputType: 'textarea', inputValidator: (value) => { if (!value || value.trim() === '') { return '请输入歇业理由'; } return true; }, inputPlaceholder: '请输入歇业理由', textareaAttrs: { rows: 5, } }).then(({ value }) => { console.log('进来正确') let data = { status: row.status, is_show: row.is_show, close_reason: value, close_open_time: '', } classroomStatusApi(row.id, data) .then(({ message }) => { this.$message.success(message) this.getList('') }) .catch(({ message }) => { this.$message.error(message) }) }).catch(() => { console.log('进来错误') this.getList('') }); } else if (row.status == 2) { this.dialogVisible = true; this.rows = row; } else { let data = { status: row.status, is_show: row.is_show, close_reason: '', close_open_time: '', } classroomStatusApi(row.id, data) .then(({ message }) => { this.$message.success(message) this.getList('') }) .catch(({ message }) => { this.$message.error(message) }) }若目前选择的门店状态为筹建中,那么我再次选择筹建中时怎么获取到值
07-09
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