Dijkstra算法

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
#define inf 0x3f3f3f3f
int map[205][205],d[205],v[205],n,m;
int Dijkstra(int s,int t)
{
    int i,j,min,k;
    memset(d,inf,sizeof d);
    memset(v,0,sizeof(v));
    d[s]=0;
    for(i=1;i<n;i++)
    {
        min=inf;
        for(j=0;j<n;j++)
        {
            if(!v[j]&&min>d[j])
            {
                min=d[j];
                k=j;
            }
        }
        v[k]=1;
        for(j=0;j<n;j++)
        {
            if(d[j]>d[k]+map[k][j])
            d[j]=d[k]+map[k][j];
        }
    }
    return d[t];
}
int main()
{
    int i,j,t,s,a,b,x,ans;
    while(~scanf("%d%d",&n,&m))
    {
        memset(map,inf,sizeof(map));
        for(i=1;i<=m;i++)
        {
            scanf("%d%d%d",&a,&b,&x);
            if(map[a][b]>x)
            map[a][b]=map[b][a]=x;
        }
        scanf("%d%d",&s,&t);
        ans=Dijkstra(s,t);
        if(ans!=inf)
        printf("%d\n",ans);
        else
            printf("-1\n");
    }
    return 0;
}

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趋势展示了蒸散发在不同区域的空间和时间变化。这些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:最终结果以栅格和png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
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