遥遥感感
遥遥感感

MODIS 基于高程模型的高海拔冻土反演

MODIS 基于高程模型的高海拔冻土反演

一.反演基本思路

高程模型主要是通过模型计算出多年冻土下界高程，并与实际高程进行比较，从而判别多年冻土是否存在。本次反演参考程国栋的纬度对冻土分布的影响，利用高斯曲线对北半球高海拔多年冻土进行了拟合，得到的高海拔多年冻土分布的高斯模型，即高程模型

本次反演采用的是modis的原始数据，从中提取出经纬度，进行几何校正，利用行政区域进行裁剪得到青海的经纬度，如下图

青海纬度图
由于MODIS的数据是1000米分辨率的，利用青海30米的DEM进行重采样，得到与MODIS 数据相同分辨率的图像，下图是DEM图像：

青海1000米DEM
多年冻土下界亦可看作土中水在空间的相变线,它和其它重要的自然地理要素(树线、雪线、山地寒漠土界线等)一样是自然环境的十分敏感的指标。由于用线性模式来描述多年冻土下界高度与纬度的关系，这在一定的纬度间隔范围内是适用的。但综观整个北半球高海拔多年冻土下界分布高度与纬度的关系,可发现此曲线与其他曲线—树线、雪线、山地寒漠土分布高度和纬度的关系曲线十分相似。这一曲线具极值点和拐点,与线性模式明显不同。因此，利用高斯曲线对北半球高海拔多年冻土下界资料进行拟合,得到如下关系:

其中：表示冻土下限海拔高度，单位为米；表示地理纬度，单位为度；
下面为冻土下限图：

冻土下界图

利用冻土下界图与青海DEM数据进行运算，得到青海多年冻土的分布图，如下图所示：

青海冻土分布图

链接: link.

图片:

你可能感兴趣的:(冻土反演,modis,高程模型)

  • 六个步骤学会CNAS软件检测机构的不确定度评定 daopuyun CNAS\CMA专栏不确定度CNAS检测机构
    测量不确定度是CNAS软件检测机构过程要求中非常重要的一个部分。测量不确定度作为测量结果的一部分，合理表征了被测量量值的分散性，对测量结果的可信性、可比性和可接受性都有重要影响，是评价测量活动质量的重要指标。CNAS软件检测机构在软件检测过程中应识别测量不确定度的贡献，评定测量不确定度。当软件检测项目中有测量不确定度要求时，应建立相应的数学模型，给出相应的测评不确定度案例。当软件检测出现临界值、内
  • 【neo4j】neo4j和Cypher 查询语言相关知识点 杰九 neo4j
    【neo4j】neo4j和Cypher查询语言相关知识点1.什么是neo4jNeo4j是一个广泛使用的图形数据库管理系统（GraphDatabaseManagementSystem）。它是一种NoSQL数据库，专为存储和查询图形数据而设计。Neo4j支持图形数据模型，允许用户以节点（Nodes）和关系（Relationships）的形式存储数据，并通过属性（Properties）来丰富这些节点和关
  • 第84期 | GPTSecurity周报 aigc
    GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。在这里，您可以找到关于GPT/AIGC/LLM最新的研究论文、博客文章、实用的工具和预设指令（Prompts）。现为了更好地知悉近一周的贡献内容，现总结如下。SecurityPapers1.利用数据流路径对大
  • 从文字到思维：呆马GPT在人工智能领域的创新之旅 呆码科技 gpt人工智能
    引言生成式预训练变换器（GenerativePre-trainedTransformer，简称GPT）领域是人工智能技术中的一大革新。自OpenAI推出第一代GPT以来，该技术经历了多代发展，不断提升模型的规模、复杂度和智能化程度。GPT模型通过在大规模数据集上进行预训练，学习语言的统计规律和世界知识，然后在特定任务上进行微调，以适应不同的应用需求。GPT领域的发展推动了自然语言处理（NLP）技术
  • BERT模型在情感分析中的应用：探寻文本情感的智能之路 Echo_Wish 前沿技术人工智能bert人工智能深度学习
    随着互联网的普及和社交媒体的兴起，情感分析（SentimentAnalysis）已成为自然语言处理（NLP）领域的重要研究方向。情感分析通过对文本数据的分析，识别其中所表达的情感倾向（如正面、负面或中性）。近年来，BERT（BidirectionalEncoderRepresentationsfromTransformers）模型凭借其强大的上下文理解能力，在情感分析中展现出了卓越的性能。本文将深
  • 数字孪生技术：虚拟与现实的完美融合 Echo_Wish Python进阶python人工智能深度学习虚拟现实
    在现代技术飞速发展的时代，数字孪生技术（DigitalTwin）逐渐成为工业、医疗、城市规划等领域的重要工具。通过数字孪生技术，我们可以创建一个与现实世界对象高度一致的虚拟模型，从而实现对现实对象的监测、分析和优化。本文将深入探讨数字孪生技术的原理、应用场景，并结合Python代码示例，展示如何实现一个简单的数字孪生应用。一、数字孪生技术的基本概念数字孪生技术是指利用传感器、物联网（IoT）、大数
  • DeepSeek 公开新的模型权重 数据分析能量站 机器学习人工智能
    DeepSeek-V3是一款开源大语言模型，在关键基准测试中超越了Llama3.1405B和GPT-4o，尤其在编码和数学任务中成绩优异。除特定受限应用（军事、伤害未成年人、生成虚假信息等）外，模型权重开源，可在线下载。工作原理混合专家架构（MoE）：DeepSeek-V3是MoE型Transformer模型，有6710亿个参数，运行时370亿参数激活。相比Llama3.1405B，训练时间大幅缩
  • RLHF技术应用探析：从安全任务到高阶能力提升 XianxinMao 人工智能python算法
    标题：RLHF技术应用探析：从安全任务到高阶能力提升文章信息摘要：该分析探讨了RLHF技术在三个主要应用方向的发展现状和潜力。在安全性和结构化任务方面，RLHF已展现出成熟优势，特别是在内容审核和格式转换等领域。在增强模型高阶能力方面，虽然显示出提升逻辑推理和代码生成能力的潜力，但仍处于探索阶段，面临数据集缺乏等挑战。在风格转换方面，RLHF能够实现更细粒度的表达方式控制，对提升模型实用性具有重要
  • 奇墨FinOps云成本优化：创新架构攻克云成本优化难题 奇墨 ITQM 云计算
    企业的数字化转型已成为大势所趋，云服务作为推动企业数字化进程的关键力量，为企业带来了前所未有的便捷性与灵活性。同时，云成本的复杂性以及持续增长的趋势，不仅考验着企业的财务管理能力，更关乎企业的核心竞争力与可持续发展。奇墨FinOps创新框架为破局企业云成本优化挑战带来了崭新的希望。成本态势感知引擎赋能财务决策奇墨FinOps创新框架是专属于财务算法模型及策略库，智能评价与规划资源投入ROI，解决云
  • Android中的权限管理机制 Good_tea_h androidphp开发语言
    Android中的权限管理机制Android权限管理机制是为了确保用户数据和设备安全而设计的一种机制。它通过Android系统的权限模型来管理应用程序对设备功能和数据的访问权限。Android系统基于用户和应用程序的安全需求，将设备上的各种功能和数据划分为不同的权限，并通过权限管理机制来控制应用程序对这些功能和数据的访问权限。这一机制的核心在于通过用户授权来控制应用程序的权限，从而保护用户隐私和数
  • 携手英特尔 | 大势智慧数字文博科技亮相第五届进博会 大势智慧 vr
    开放合作、共享共赢。11月5日至10日，第五届中国国际进口博览会在上海正式举办。本次进博会，由云冈研究院与大势智慧联合打造的云冈石窟第13窟整窟高精度三维模型，结合英特尔服务器软硬协同能力，成功推出数字文博VR一体机创新成果，亮相进博会技术装备展区，吸引众多嘉宾参观体验。数字文博VR一体机是文物数字化模型与虚拟现实技术融合展示的重要成果，实现了超大体量的高浮雕高精度整窟重建，让具备28.34万张纹
  • 深度探索 DeepSeek-R1：国产大模型的AGI雏形与创新进展 微凉的衣柜 科技头条agi人工智能
    随着人工智能技术的飞速发展，国内外企业纷纷发布了一系列创新的大模型，推动了AGI（通用人工智能）领域的探索。近期，DeepSeek-R1这一模型的发布引起了广泛关注，它不仅标志着国产大模型在智能化上的一次重大突破，还提出了全新的训练方法，解决了过去依赖大量人类数据的问题。本篇文章将详细介绍DeepSeek-R1的核心优势、技术创新以及实际应用案例，揭示它在AGI领域的潜力。1.DeepSeek-R
  • 生数科技携手央视新闻《文博日历》，推动AI视频技术的创新应用 TMT星球 人工智能人工智能科技大数据
    近日，生数科技携手央视新闻《文博日历》栏目，借助其旗下AI视频大模型及应用产品Vidu，共同打造AI版2025年文博日历联欢晚会，全面推动AI视频生成技术在媒体中的创新实践。《文博日历》是央视新闻客户端联合各大博物馆推出的文博科普产品，以新媒体形式为观众呈现丰富多彩的文博知识和历史文化。据「TMT星球」了解，此次合作中，生数科技为《文博日历》量身定制了AI视频生成方案，让文物们“动”起来，共同出演
  • 天天AI-20250121：全面解读 AI 实践课程：动手学大模型（含PDF课件） AI2AGI 天天AI人工智能大数据ai文心一言百度
    2AGI.NET|探索AI无限潜力，2AGI为您带来最前沿资讯。2AGI.NET：天天AI-20250121从开源版o1模型的发布到Adobe推出音乐模型DITTO-2，再到OpenAI为研究长寿推出的GPT-4b，AI技术正以前所未有的速度和规模影响着我们的世界。本文将为您梳理近期的技术热点，带您一探究竟。全面解读AI实践课程：动手学大模型（含PDF课件）该教程内容较为专业，理解起来有一定难度，
  • 基于Langchain框架，采用Qwen2.5大模型，搭建自己的Agent，ReACT效果比RAG好 张登杰踩 langchainpython人工智能语言模型
    最近在做RAG，调研后发现ReACT好像更具有说服力，对最终结果的解释也更加合理。举个例子，我扔给大模型这样一个问题：15的平方是多少？另外，法国的首都是哪里？采用ReACT的运行结果如下：>EnteringnewAgentExecutorchain...我需要先计算15的平方，然后搜索法国的首都。Action:平方计算器ActionInput:"15"Observation:15的平方等于225
  • 基于RBF神经网络的在线学习算法 fanxbl957 人工智能理论与实践神经网络学习算法
    基于RBF神经网络的在线学习算法一、引言随着信息技术的飞速发展，数据的产生速度日益加快，传统的批量学习算法在处理大规模、实时更新的数据时面临着诸多挑战。在线学习算法作为一种可以实时更新模型的学习方式，逐渐受到广泛关注。RBF（径向基函数）神经网络作为一种强大的神经网络模型，以其良好的函数逼近能力和非线性处理能力，为在线学习提供了一种有效的工具。本文将深入探讨基于RBF神经网络的在线学习算法，包括其
  • Open AI GPT大模型深度解析：通往智能的里程碑 xziyuan 人工智能gpt
    大模型——OpenAIGPT大模型介绍人工智能技术的快速发展引发了对智能系统和应用的巨大需求。多模态大模型已经成为了人工智能领域的重要研究方向之一。OpenAI作为一家全球领先的人工智能公司，在推动人工智能技术的边界上发挥着重要作用，其在大模型方面的研究和应用也是一直处于领先地位。本文将介绍OpenAI多模态大模型的研究成果和应用，探讨其在人工智能领域的重要性和影响力，以及给世界带来的可能性。1.
  • # AI计算模式 神经网络模型 深度神经网络 多层感知机 卷积神经网络 循环神经网络 长短期记忆网络 图像识别、语音识别、自然语言 轻量化模型和模型压缩 大模型分布式并行 EwenWanW AGI人工智能神经网络dnn
    AI计算模式AI技术发展至今，主流的模型是深度神经网络模型。近20年来，神经网络模型经过多样化的发展，模型总体变得越来越复杂和庞大，对硬件设备的计算速度、存储能力、通信速度的要求越来越高。尽管学者已经提出了许多方法优化模型结构，降低模型的参数量，但是伴随着人们对AI能力的要求越来越高，模型变得更大是不可避免的。原先单CPU可进行模型的训练与推理，如今需要使用GPU、TPU等设备，并通过分布式并行的
  • LLaMA Pro是什么 相比于lora full freeze有什么区别 怎么使用 Ven% 简单说深度学习深度学习基础动手深度学习速通系列llamatransformer深度学习人工智能
    1.LLaMAPro是什么？LLaMAPro是一种基于LLaMA架构改进的大型语言模型（LLM），旨在解决大模型微调中的知识遗忘问题。它通过在原有模型的基础上扩展新的模块（如Transformer块），并在微调时仅训练这些新增模块，从而在适应新任务的同时保留预训练模型的通用知识。LLaMAPro在代码理解、数学推理和语言理解等任务上表现出色，特别适合需要持续学习和多任务处理的场景。2.LLaMAP
  • 【vLLM 学习】使用 OpenVINO 安装
    vLLM是一款专为大语言模型推理加速而设计的框架，实现了KV缓存内存几乎零浪费，解决了内存管理瓶颈问题。更多vLLM中文文档及教程可访问→https://vllm.hyper.ai/由OpenVINO驱动的vLLM支持来自vLLM支持的模型列表中的所有LLM模型，并且可以在所有x86-64CPU上（至少需要AVX2支持）进行最佳的模型服务。OpenVINO的vLLM后端支持以下高级vLLM特性：前
  • 梯度提升决策树树（GBDT）公式推导 化作星辰 决策树算法机器学习
    ###逻辑回归的损失函数逻辑回归模型用于分类问题，其输出是一个概率值。对于二分类问题，逻辑回归模型的输出可以表示为：\[P(y=1|x)=\frac{1}{1+e^{-F(x)}}\]其中\(F(x)\)是一个线性组合函数，通常表示为：\[F(x)=\sum_{m=0}^{M}h_m(x)\]这里的\(h_m(x)\)是学习到的决策树。###损失函数的推导对于单个样本\((x_i,y_i)\)，逻
  • fit_transform,fit,transform区别和作用 浊酒南街 #机器学习深度学习人工智能
    目录前言fit,transform,fit_transform函数介绍函数使用示例前言sklearn中封装的各种算法调用之前都要fit。fit相对于整个代码而言，为后续API服务，用于从一个训练集中学习模型参数，包括归一化时要用到的均值，标准偏差。fit之后，可以调用各种API方法，transform是其中之一。所以当你调用transform之外的方法，也必须要先fit。但是fit与transfo
  • 更新 Django 3.2 解决 DEFAULT_AUTO_FIELD warnings sunjl_a djangoweb开发djangopythonmigration
    当您在Django中定义一个没有指定主键的model时，Django将自动为您创建一个主键。主键设置为整数类型（integer）。如果要覆盖该字段类型，可以在每个模型（model）的基础上执行此操作。从Django3.2开始，您现在可以在您的设置（settings）中自定义自动创建的主键的类型。在Django3.2中开始新项目时，主键的默认类型设置为BigAutoField，这是一个64位整数（6
  • CSGHub 快速部署指南 算法llm
    CSGHub快速部署指南OmnibusCSGHub是OpenCSG推出的使用Docker快速部署CSGHub的一种方式，主要用于快速功能体验和测试。Docker部署方式允许用户以较低成本在本地计算机部署CSGHub。此种部署方法非常适合概念验证和测试，使用户能够立即访问CSGHub的核心功能（包括模型，数据集管理、Space应用创建以及模型的推理和微调（需要GPU））。本文将带您一步步完成部署。什
  • 快手可灵视频生成大模型全方位测评 人工智能llm
    快手视频生成大模型“可灵”（Kling），是全球首个真正用户可用的视频生成大模型，自面世以来，凭借其无与伦比的视频生成效果，在全球范围内赢得了用户的热烈追捧与高度评价。截至目前，申请体验其内测版的用户数量已突破70万大关，累计生成的视频作品更是高达700万。可灵在持续创新的道路上也从未停下脚步，在七月份举办的世界人工智能大会（WAIC）期间，可灵再次迎来重大升级。新功能包括上线web端、基础模型效
  • ChatGPT
    在多模态模型的架构上，ChatGPT的绘图能力主要依赖以下几个核心组件：跨模态编码器（Cross-ModalEncoder）：跨模态编码器的作用是将文本和图像的特征进行对齐。GPT可以将用户输入的文本描述转换为文本特征表示，然后利用跨模态编码器将这些特征映射到图像特征空间。这种方式确保模型能够理解描述性语言中不同细节是如何与图像特征对应的。
  • 深入详解神经网络的基础知识、工作原理以及应用【一】 猿享天开 人工智能基础知识学习深度学习神经网络人工智能
    目录引言1.神经网络基础1.1感知器模型1.2多层感知器（MLP）示例：2.前馈神经网络（FeedforwardNeuralNetworks,FFNN）2.1结构与特点2.2训练过程2.3优化方法3.卷积神经网络（CNN）3.1基本概念3.2层类型3.3网络架构3.4应用领域3.5示例代码示例描述：4.循环神经网络（RNN）4.1基本概念4.2RNN结构4.3应用领域4.4示例代码示例描述：5.深
  • 每日论文推荐：我们距离GPT-4V有多远，最接近GPT-4V的开源多模态大模型 linxid openopenaiGPT-5多模态大模型上海上海AI人工智能
    元数据概览：标题：HowFarAreWetoGPT-4V?ClosingtheGaptoCommercialMultimodalModelswithOpen-SourceSuites作者：ZheChen,WeiyunWang,HaoTian,ShenglongYe,ZhangweiGao,ErfeiCui,WenwenTong,KongzhiHu,JiapengLuo,ZhengMa,JiMa,J
  • swing之mvc模式 混魔MJM Java网络编程JavamvcjavaSwing
    1Swing与MVCSwing组件设计使用了著名的MVC模型-视图-控制器体系结构。为了了解MVC体系结构与Swing组件的关系，我们来看一下如何设计一个表示按钮的组件，因为按钮的各个部分可以与MVC体系结构的3个部分对应起来。按钮在任意给定时刻，可处于启用和无效两种状态之一。很显然，按钮只有处于启用状态时才会响应点击。记录按钮状态是很有用的，视图需要根据按钮的状态进行不同的渲染。按钮的所有状态就
  • 8.2 从看图识字到智能解读：GPT-4 with Vision 开启多模态 AI 新纪元 少林码僧 AI大模型应用实战专栏人工智能chatgpt
    从看图识字到智能解读：GPT-4withVision开启多模态AI新纪元引言：AI的多模态跃迁随着人工智能技术的快速发展，我们正迈入一个新的智能交互时代。传统的AI模型主要聚焦于文本处理，而多模态AI模型如GPT-4withVision（GPT-4V）则能够同时处理图像和文本。GPT-4V是OpenAI推出的多模态版本，它不仅能理解图片，还能结合文字对图片内容进行深入分析。这项技术为教育、创意、医
  • ASM系列四 利用Method 组件动态注入方法逻辑 lijingyao8206 字节码技术jvmAOP动态代理ASM
            这篇继续结合例子来深入了解下Method组件动态变更方法字节码的实现。通过前面一篇，知道ClassVisitor 的visitMethod()方法可以返回一个MethodVisitor的实例。那么我们也基本可以知道，同ClassVisitor改变类成员一样，MethodVIsistor如果需要改变方法成员，注入逻辑，也可以
  • java编程思想 --内部类 百合不是茶 java内部类匿名内部类
    内部类;了解外部类 并能与之通信 内部类写出来的代码更加整洁与优雅   1,内部类的创建  内部类是创建在类中的 package com.wj.InsideClass; /* * 内部类的创建 */ public class CreateInsideClass { public CreateInsideClass(
  • web.xml报错 crabdave web.xml
    web.xml报错   The content of element type "web-app" must match "(icon?,display-  name?,description?,distributable?,context-param*,filter*,filter-mapping*,listener*,servlet*,s
  • 泛型类的自定义 麦田的设计者 javaandroid泛型
       为什么要定义泛型类，当类中要操作的引用数据类型不确定的时候。 采用泛型类，完成扩展。   例如有一个学生类     Student{ Student(){ System.out.println("I'm a student....."); } }  有一个老师类  
  • CSS清除浮动的4中方法 IT独行者 JavaScriptUIcss
    清除浮动这个问题，做前端的应该再熟悉不过了，咱是个新人，所以还是记个笔记，做个积累，努力学习向大神靠近。CSS清除浮动的方法网上一搜，大概有N多种，用过几种，说下个人感受。 1、结尾处加空div标签 clear:both 1 2 3 4 .div 1 { background : #000080 ; border : 1px   s
  • Cygwin使用windows的jdk 配置方法 _wy_ jdkwindowscygwin
    1.[vim /etc/profile]    JAVA_HOME="/cgydrive/d/Java/jdk1.6.0_43"  (windows下jdk路径为D:\Java\jdk1.6.0_43)    PATH="$JAVA_HOME/bin:${PATH}"    CLAS
  • linux下安装maven 无量 mavenlinux安装
    Linux下安装maven(转) 1.首先到Maven官网 下载安装文件，目前最新版本为3.0.3，下载文件为 apache-maven-3.0.3-bin.tar.gz，下载可以使用wget命令； 2.进入下载文件夹，找到下载的文件，运行如下命令解压 tar -xvf  apache-maven-2.2.1-bin.tar.gz 解压后的文件夹
  • tomcat的https 配置,syslog-ng配置 aichenglong tomcathttp跳转到httpssyslong-ng配置syslog配置
    1) tomcat配置https,以及http自动跳转到https的配置     1)TOMCAT_HOME目录下生成密钥(keytool是jdk中的命令)      keytool -genkey -alias tomcat -keyalg RSA -keypass changeit -storepass changeit
  • 关于领号活动总结 alafqq 活动
    关于某彩票活动的总结 具体需求，每个用户进活动页面，领取一个号码，1000中的一个； 活动要求 1，随机性，一定要有随机性； 2，最少中奖概率，如果注数为3200注，则最多中4注 3，效率问题，（不能每个人来都产生一个随机数，这样效率不高）； 4，支持断电（仍然从下一个开始），重启服务；（存数据库有点大材小用，因此不能存放在数据库） 解决方案 1，事先产生随机数1000个，并打
  • java数据结构 冒泡排序的遍历与排序 百合不是茶 java
    java的冒泡排序是一种简单的排序规则   冒泡排序的原理：           比较两个相邻的数，首先将最大的排在第一个，第二次比较第二个 ，此后一样；         针对所有的元素重复以上的步骤，除了最后一个     例题；将int array[]
  • JS检查输入框输入的是否是数字的一种校验方法 bijian1013 js
    如下是JS检查输入框输入的是否是数字的一种校验方法： <form method=post target="_blank"> 数字：<input type="text" name=num onkeypress="checkNum(this.form)"><br> </form>
  • Test注解的两个属性：expected和timeout bijian1013 javaJUnitexpectedtimeout
    JUnit4：Test文档中的解释： 　　The Test annotation supports two optional parameters. 　　The first, expected, declares that a test method should throw an exception. 　　If it doesn't throw an exception or if it
  • [Gson二]继承关系的POJO的反序列化 bit1129 POJO
    父类     package inheritance.test2; import java.util.Map; public class Model { private String field1; private String field2; private Map<String, String> infoMap
  • 【Spark八十四】Spark零碎知识点记录 bit1129 spark
    1. ShuffleMapTask的shuffle数据在什么地方记录到MapOutputTracker中的 ShuffleMapTask的runTask方法负责写数据到shuffle map文件中。当任务执行完成成功，DAGScheduler会收到通知，在DAGScheduler的handleTaskCompletion方法中完成记录到MapOutputTracker中  
  • WAS各种脚本作用大全 ronin47 WAS 脚本
    　　　http://www.ibm.com/developerworks/cn/websphere/library/samples/SampleScripts.html 　　　无意中，在WAS官网上发现的各种脚本作用，感觉很有作用，先与各位分享一下 　　　 获取下载 这些示例 jacl 和 Jython 脚本可用于在 WebSphere Application Server 的不同版本中自
  • java-12.求 1+2+3+..n不能使用乘除法、 for 、 while 、 if 、 else 、 switch 、 case 等关键字以及条件判断语句 bylijinnan switch
    借鉴网上的思路，用java实现： public class NoIfWhile { /** * @param args * * find x=1+2+3+....n */ public static void main(String[] args) { int n=10; int re=find(n); System.o
  • Netty源码学习-ObjectEncoder和ObjectDecoder bylijinnan javanetty
    Netty中传递对象的思路很直观： Netty中数据的传递是基于ChannelBuffer（也就是byte[]）； 那把对象序列化为字节流，就可以在Netty中传递对象了 相应的从ChannelBuffer恢复对象，就是反序列化的过程 Netty已经封装好ObjectEncoder和ObjectDecoder 先看ObjectEncoder ObjectEncoder是往外发送
  • spring 定时任务中cronExpression表达式含义 chicony cronExpression
    一个cron表达式有6个必选的元素和一个可选的元素，各个元素之间是以空格分隔的，从左至右，这些元素的含义如下表所示： 代表含义            是否必须 允许的取值范围         &nb
  • Nutz配置Jndi ctrain JNDI
    1、使用JNDI获取指定资源： var ioc = { dao : { type :"org.nutz.dao.impl.NutDao", args : [ {jndi :"jdbc/dataSource"} ] } } 以上方法,仅需要在容器中配置好数据源,注入到NutDao即可.
  • 解决 /bin/sh^M: bad interpreter: No such file or directory daizj shell
    在Linux中执行.sh脚本，异常/bin/sh^M: bad interpreter: No such file or directory。   分析：这是不同系统编码格式引起的：在windows系统中编辑的.sh文件可能有不可见字符，所以在Linux系统下执行会报以上异常信息。 解决： 1）在windows下转换： 利用一些编辑器如UltraEdit或EditPlus等工具
  • [转]for 循环为何可恨？ dcj3sjt126com 程序员读书
      Java的闭包(Closure)特征最近成为了一个热门话题。 一些精英正在起草一份议案，要在Java将来的版本中加入闭包特征。 然而，提议中的闭包语法以及语言上的这种扩充受到了众多Java程序员的猛烈抨击。 不久前，出版过数十本编程书籍的大作家Elliotte Rusty Harold发表了对Java中闭包的价值的质疑。 尤其是他问道“for 循环为何可恨？”[http://ju
  • Android实用小技巧 dcj3sjt126com android
    1、去掉所有Activity界面的标题栏 　　修改AndroidManifest.xml 　　在application 标签中添加android:theme="@android:style/Theme.NoTitleBar"   2、去掉所有Activity界面的TitleBar 和StatusBar  　　修改AndroidManifes
  • Oracle 复习笔记之序列 eksliang Oracle 序列sequenceOracle sequence
    转载请出自出处：http://eksliang.iteye.com/blog/2098859 1.序列的作用 序列是用于生成唯一、连续序号的对象 一般用序列来充当数据库表的主键值 2.创建序列语法如下：   create sequence s_emp start with 1 --开始值 increment by 1 --増长值 maxval
  • 有“品”的程序员 gongmeitao 工作
    完美程序员的10种品质　　   完美程序员的每种品质都有一个范围，这个范围取决于具体的问题和背景。没有能解决所有问题的   完美程序员（至少在我们这个星球上），并且对于特定问题，完美程序员应该具有以下品质： 　　1. 才智非凡- 能够理解问题、能够用清晰可读的代码翻译并表达想法、善于分析并且逻辑思维能力强   （范围：用简单方式解决复杂问题）　　
  • 使用KeleyiSQLHelper类进行分页查询 hvt sql.netC#asp.nethovertree
    本文适用于sql server单主键表或者视图进行分页查询，支持多字段排序。KeleyiSQLHelper类的最新代码请到http://hovertree.codeplex.com/SourceControl/latest下载整个解决方案源代码查看。或者直接在线查看类的代码：http://hovertree.codeplex.com/SourceControl/latest#HoverTree.D
  • SVG 教程 （三）圆形，椭圆，直线 天梯梦 svg
    SVG <circle> SVG 圆形 - <circle> <circle> 标签可用来创建一个圆： 下面是SVG代码： <svg xmlns="http://www.w3.org/2000/svg" version="1.1"> <circle cx="100" c
  • 链表栈 luyulong java数据结构
    public class Node { private Object object; private Node next; public Node() { this.next = null; this.object = null; } public Object getObject() { return object; } public
  • 基础数据结构和算法十：2-3 search tree sunwinner Algorithm2-3 search tree
      Binary search tree works well for a wide variety of applications, but they have poor worst-case performance. Now we introduce a type of binary search tree where costs are guaranteed to be loga
  • spring配置定时任务 stunizhengjia springtimer
    最近因工作的需要，用到了spring的定时任务的功能,觉得spring还是很智能化的,只需要配置一下配置文件就可以了,在此记录一下，以便以后用到：     //------------------------定时任务调用的方法------------------------------ /** * 存储过程定时器 */ publi
  • ITeye 8月技术图书有奖试读获奖名单公布 ITeye管理员 活动
    ITeye携手博文视点举办的8月技术图书有奖试读活动已圆满结束，非常感谢广大用户对本次活动的关注与参与。 8月试读活动回顾： http://webmaster.iteye.com/blog/2102830 本次技术图书试读活动的优秀奖获奖名单及相应作品如下（优秀文章有很多，但名额有限，没获奖并不代表不优秀）： 《跨终端Web》 gleams：http
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他