Spring整理5 -- 模块的组装

如何实现三个模块良好的切换?

 

配置文件

<beans>

       <bean id="dao" class="dao.CustomerDao"></bean>

       <!-- 将dao装配到DaoCaller内dao属性 -->

       <bean id="caller" class="caller.DaoCaller">

              <property name="dao">

                     <ref local="dao"/>

              </property>

       </bean>

 

</beans>

 
 

程序

package dao;

 

public interface IDAO {

       public boolean login(String account,String password);

}

 

package dao;

 

public class StudentDao implements IDAO {

 

       public boolean login(String account, String password) {

              System.out.println("Student登陆,账号:" + account + " 密码:" + password);

              return false;

       }

}

 

package dao;

 

public class CustomerDao implements IDAO {

 

       public boolean login(String account, String password) {

              System.out.println("Customer登陆,账号:" + account + " 密码:" + password);

              return false;

       }

 

}

 

package caller;

 

import dao.IDAO;

 

public class DaoCaller {

       private IDAO dao;//设置成为一个属性

       public IDAO getDao() {

              return dao;

       }

       public void setDao(IDAO dao) {

              this.dao = dao;

       }

       public void callDao(String account,String password){

              dao.login(account, password);

       }

}

 

package main;

 

import org.springframework.context.ApplicationContext;

import org.springframework.context.support.FileSystemXmlApplicationContext;

 

import caller.DaoCaller;

 

public class MainModule {

 

       public static void main(String[] args) {

              ApplicationContext context = 

new FileSystemXmlApplicationContext("applicationContext.xml");

              DaoCaller caller = (DaoCaller)context.getBean("caller");

              caller.callDao("111", "34;gd");

 

       }

 

}

 

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