苏嵌/杨帅/0713

苏嵌 项目实战

 

学习日志 姓名:杨帅 日期:0713

 

 

 

 

今日学习任务

 

 

嵌入式C语言开发实战

 

今日任务完成情况

 

(详细说明本日任务是否按计划完成,开发的代码量)

1. 了解C语言特点(优缺点、嵌入式开发中的地位、如何学习语言编程)

2. 了解基本数据类型的定义及输入输出;(内置类型)

3. 掌握字节长度及取值范围;(计算机存取数据的方式、sizeof的使用)

4. 熟练掌握指针的定义与使用;(对应内存空间与指定内存空间)

今日开发中出现的问题汇总

 

机器码不熟练

 

今日未解决问题

 

今日开发收获

C语言的基础进行了梳理

 

自我评价

 

(是否按开发规范完成既定任务,需要改进的地方,与他人合作效果等)

 

 

任务完成

其他

 

附:

1. 嵌入式开发为什么选择c语言(C语言的优点)

C语言运行速度快;

 

 

 

 

数据类型:

1. 定义内置类型变量

??数据类型:数据结合的划分,按对CPU产生的意义

int a;

int *a;

int **a;

int a[10];

int *a[10];

int (*a)[10];

int (*a)(int);

int (*a[10])(int);

 

2. 输入与输出

占位符   转义符

Printf行缓冲(为什么需要缓使冲区?缓冲区有哪些类型?) (不要操作原始数据)格式化输出函数

int printf(“const char *format”,...);

...对应可变参数列表

Printf使用技巧(改变颜色,指定位置输出)

Scanf格式化输入函数

Int  scanf(“const char *format”,...);

段错误:非法访问内存;(现申请再访问)

3. 字节长度与取值范围

字节长度:char 1  int 4  float 2  double 8  short 2

运算符sizeof()

4. 无符号与有符号的区别

5. 变量的三大优点

 

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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