_遇见jia
_遇见jia

【五天教学】遥感数据与作物模型同化实践技术应用

  基于过程的作物生长模拟模型DSSAT是现代农业系统研究的有力工具，可以定量描述作物生长发育和产量形成过程及其与气候因子、土壤环境、品种类型和技术措施之间的关系，为不同条件下作物生长发育及产量预测、栽培管理、环境评价以及未来气候变化评估等提供了定量化工具。但是，当作物生长模型从单点研究发展到区域尺度应用时，由于空间尺度增大而出现的地表、近地表环境非均匀性问题，导致模型中一些宏观资料的获取和参数的区域化方面存在很多困难，模型模拟结果也会存在很大的不确定性，而遥感信息在很大程度上可以帮助作物生长模型克服这些不足。
       国产卫星（如HJ、GF、ZY）、MODIS、Landsat、Sentinel-2等遥感数据是进行大范围作物生长状态监测的有效手段；作物生长模型能够利用环境因素模拟作物生长过程，揭示作物生长发育的原因与本质。随着科学技术发展和农业应用需求的驱动，数据同化方法将遥感数据与作物生长模型相结合，监测作物长势及预测作物产量，是当前农业信息技术应用研究的重要内容和发展趋势之一。二者结合既能提供宏观监测信息，又可动态反映作物生长发育过程，有利于实现优势互补，提升应用潜力。
      目前在基于数据同化方法耦合遥感与作物模型开展作物估产方面，在帮助掌握遥感与作物模型同化的基础知识，与传统的作物遥感监测方法的区别与联系，采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出地分析数据同化方法在作物长势监测及产量估算应用时需要掌握的经验及编程技巧，以便解决农业生产科研中的相关科学问题。

【原文链接】：【案例教程】遥感数据与作物模型同化实践技术应用icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247555626&idx=2&sn=777fabb4668c968e3d113764a4fb8347&chksm=fe68dc40c91f5556e26a922acc77f29c5c0537dddd75f91a161688e3415180d0834b80284ad8&token=715796014&lang=zh_CN#rd

【内容简介】：

专题一：遥感基础理论知识

遥感平台（如无人机）与传感器、国内外主要陆地卫星（如Landsat、SPOT、HJ、GF）

遥感基本原理、光谱响应函数、遥感数据处理流程

遥感在陆地生态系统监测方面的应用

专题二：作物长势监测与产量估算国内外研究进展

国内外研究综述

研究实例分析

专题三：Fortran编程语言

软件安装（使用xp/win7/win8/win10专业版笔记本）

工程文件建立、基本语法操作

专题四：作物参数遥感反演基本原理

遥感反演作物参数类型

² 生化组分

（叶绿素、氮、干物质、叶片水分含量、花青素）

² 生物物理参数

（LAI、LAD、株高、生物量）

² 生理生态参数

（FPAR、ET）

作物参数遥感反演模型

² 经验模型

F 线性模型

F 指数模型

F 对数模型

F …

² 物理模型

F 辐射传输模型

F 几何光学模型

F 混合模型

F 计算机模拟模型

² 不同方法对比分析

专题五：PROSAIL模型

输入参数：LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…

输出参数：植被冠层反射率

以FORTRAN代码为例上机操作反射率模拟流程

模拟叶片反射率与透射率

模拟植被冠层400-2500 nm高光谱反射率曲线

模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据

专题六：参数敏感性分析

待优化参数选择

局部敏感性分析

全局敏感性分析

EFAST敏感性分析方法介绍

SIMLAB软件操作流程

PROSAIL模型参数全局敏感性分析 

专题七 遥感反演过程中的代价函数求解问题

  • 代价函数构建

反演方式

反演参数

“病态”问题

先验知识

函数极值问题

  • 反演算法介绍

优化技术

查找表

神经网络

模拟退火

  • 应用案例分析

专题八 基于查找表方法+PROSAIL模型的作物参数遥感反演

查找表原理

查找表实现

基于查找表和PROSAIL模型的作物参数遥感反演

专题九 基于优化算法+PROSAIL模型的作物参数遥感反演

代价/目标函数极值求解

测试函数极值求解

优化算法求解PROSAIL模型参数

待求解作物参数最优值提取

专题十 作物模型程序化表达与运行

  • 模型分类

经验模型

半机理模型

机理模型

  • 模型选取原则
  • 模型调试
  • 模型标定
  • 模型对比分析
  • 应用案例分析
  • 模型运行（以DSSAT作物模型为例、FORTRAN源码）

时间序列植被参数（如叶面积指数）演化模拟

作物参数（如LAI）时间序列变化及产量模拟过程

专题十一 作物模型与遥感数据同化建模原理

  • 作物模型与遥感观测耦合的必要性

作物模型优缺点

遥感观测优缺点

耦合必要性

  • 耦合方法

驱动法

原理

程序实现过程

应用实例

数据同化方法

发展历程

数据同化算法介绍

方法对比分析

  • 作物模型参数敏感性分析

待优化参数选择

局部敏感性分析

全局敏感性分析

  • 作物模型与遥感数据同化

同化遥感反演结果（如LAI遥感产品）

同化遥感观测反射率

专题十二 作物模型与遥感反演值同化建模的程序化实现（第一种方式）

作物模型与遥感反演值同化建模框架

Fortrtan操作平台

遥感反演结果（如叶面积指数）

作物模型

变分算法

代价函数构建

迭代求解

输出：作物关键参数时间序列变化、产量估算结果、区域制图

专题十三 作物模型与遥感反射率同化建模的程序化实现（第二种方式）

  • 作物模型与遥感反射率同化建模框架

Fortrtan操作平台

遥感观测反射率

作物模型

植被冠层反射率模型

  •  PROSAIL前向模型反射率模拟

耦合模型构建（作物模型+冠层反射率模型）

变分算法

代价函数构建

迭代求解

输出：作物关键参数时间序列变化、产量估算结果、区域制图

专题十四 互动、答疑、交流

 

  

你可能感兴趣的:(农田,作物模型,专栏,生态,遥感,模型专栏,生态,遥感,碳排放,经验分享,无人机)

  • 多模态大模型论文总结 sudun_03 语言模型算法人工智能
    MM1:Methods,Analysis&InsightsfromMultimodalLLMPre-training在这项工作中，我们讨论了建立高性能的多模态大型语言模型（MLLMs）。特别是，我们研究了各种模型结构组件和数据选择的重要性。通过对图像编码器、视觉语言连接器和各种预训练数据选择的仔细而全面的验证，我们确定了几个关键的设计教训。例如，我们证明，与其他已发表的多模式预训练结果相比，对于使
  • 大语言模型为什么这么强？关键步骤是…… 青花科技 语言模型人工智能自然语言处理
    作者主页：青花锁简介：Java领域优质创作者、Java微服务架构公号作者简历模板、学习资料、面试题库、技术互助文末获取联系方式目录前言什么是大模型1.1、具备涌现能力1.2、多模态能力增强2、预训练往期热门专栏回顾前言研究人员发现，随着语言模型参数量的不断增加，模型完成各个任务的效果也得到不同程度的提升。什么是大模型大语言模型是指模型参数量超过一定规模的语言模型，相比参数量较小的预训练模型（如BE
  • 闵奕宸：格局越大，成就越大，生活就越来越顺畅 闵奕宸浅谈
    格局到底是是什么？格局是一个人的精神世界宽广浩瀚程度，指的是一个人高瞻远瞩的眼界；海纳百川的雅量和胸怀；能考虑到大众利益的使命感和责任感；能有一般人不具备的胆识和智慧；能欣然的接受人生最好的礼物，也能坦然接受人生最坏的安排，从不怨天尤人的人生态度。有一句谚语说得特别形象：再大的烙饼，也大不过烙它的锅。你可以烙出饼来，但你烙出的饼再大，也要受到那口锅的限制。格局，乃是自己对人生的定位，格局越大，成就
  • 深入解析五大 LLM 可视化工具：Langflow、Flowise、Dify、AutoGPT UI 和 AgentGPT 花千树-010 AI编程langchain机器学习AI编程python机器人
    近年来，大语言模型（LLM）技术的迅猛发展推动了智能代理（Agent）应用的广泛应用。从任务自动化到智能对话系统，LLM代理可以极大简化复杂任务的执行。为了帮助开发者更快地构建和部署这些智能代理，多个开源工具应运而生，尤其是那些提供可视化界面的工具，让开发者通过简单的图形界面设计、调试和管理智能代理。本文将详细介绍五款热门的LLM可视化工具，分别是Langflow、Flowise、Dify、Aut
  • 深入解析HDFS：定义、架构、原理、应用场景及常用命令 CloudJourney hdfs架构hadoop
    引言Hadoop分布式文件系统（HDFS，HadoopDistributedFileSystem）是Hadoop框架的核心组件之一，它提供了高可靠性、高可用性和高吞吐量的大规模数据存储和管理能力。本文将从HDFS的定义、架构、工作原理、应用场景以及常用命令等多个方面进行详细探讨，帮助读者全面深入地了解HDFS。1.HDFS的定义1.1什么是HDFSHDFS是Hadoop生态系统中的一个分布式文件系
  • Python聊天服务器（一） weixin_34375251 python网络数据结构与算法
    对于镜像服务端来说，支持同时多个连接的能力是非常有用的，但是这也对服务端的实际功能没有多大的改变。每个客户端只跟服务端交互，甚至不跟其它客户端进行间接地交互。这是一个流行的模型，WEB服务器和MAIL服务器都使用这种模型。这里还有另外的一个类型的服务端：用于连接每个客户端。对很多程序来说，他们关注的并不是服务端，而是还有什么人连接到它。在线聊天室和游戏是这种类型的流行应用。在这一章，我们将设计和建
  • COI实验室技能：图像到图像的深度学习开发框架（pytorch版） 山颠海涯 深度学习pytorch人工智能
    Basicdeeplearningframeworkforimage-to-image这个开发框架旨在帮助科研人员快速地实现图像到图像之间的模型开发。github连接：https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image目录1模型开发1-1克隆项目到本地1-2深度学习开发2环境配置2-1安装conda
  • 【专题】2024年中国AI人工智能基础数据服务研究报告合集PDF分享（附原数据表） 拓端研究室 人工智能
    原文链接：https://tecdat.cn/?p=37516随着人工智能技术的迅猛发展，AI基础数据服务行业迎来了前所未有的发展机遇。报告合集显示，2023年中国AI基础数据服务市场规模达到45亿元，且未来五年复合增长率有望达到30.4%。多模态大模型、长文本处理能力提升以及大模型小型化技术成为AI领域热点研究方向，从而推动了对高质量数据的大量需求。阅读原文，获取专题报告合集全文，解锁文末403
  • 笔记：润总2022年度演讲 罗菊
    若无进化之光，生物学毫无道理！”“进化的力量”——坚持长期做下去的信念！今天我们面临很多的问题、组织的问题、个人的问题、疫情防控的问题：从进化的角度讲，都是进化的历史包袱！提供了成功优势的巨大部分！1、跳出同一个能力圈，去提升自己的技能，去寻找新的生态位！在新的生态位、建立自己的竞争优势，你才有机会活得更好！交流、拜访、探索，坚持做难而有价值的事情！2、职场和岗位，思考：变化中的机会在哪里？变化—
  • 由渔民想到的…… 幸福的爱
    台湾文案天后许欣频在印度海岛旅行时，看到当地的渔民每天辛苦在海里捕鱼，收上的都是些小鱼而且数量少，却每天仍然坚持去捕鱼，她感到很困惑就问渔民：“每天收获这么少为什么还在这里捕鱼？”渔民回答说：“因为我们世世代代都是这样的，如果收获不够，那就继续再努力。”听了渔民的回答，许欣频很是为这些渔民着急，如果海洋的生态系统发生变化，他们不怕连小鱼也抓不到吗？努力的方向错了，即使再努力也是错误的，这时就需要重
  • 分布式事务 天黑了g 技术方案分布式后端微服务
    在微服务结构中，分布式事务是经常要考虑的问题。分布式事务解决方案有多种，有各自的优劣势和适用场景。主流的分布式事务框架库是阿里的seata，将根据seata库说明这些分布式事务的特点。尽量避免使用分布式事务。按照领域驱动设计思想，微服务之间是低耦合，微服务内部是高内聚，领域的限界上下文一般都在一个微服务里，那么微服务内的领域模型也是高内聚的。良好的架构设计只需在微服务里通过本地事务和领域事件就能够
  • IDEA 常用插件推荐，美观又实用！ 攀小黑 intellij-ideajavaide
    1、TONGYlLingma-YourAlCodingAssistant.Typeless,Codemore.通义灵码，是一款基于通义大模型的智能编码辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力，并针对阿里云SDK/API的使用场景调优，为开发者带来高效、流畅的编码体验。兼容VisualStudioCode、Visua
  • python基础：10.面向对象之简介 海阔and天空 python全栈自动化测试
    0.前言如果可以的话，请先关注（专栏和账号），然后点赞和收藏，最后学习和进步。你的支持是我继续写下去的最大动力，个人定当倾囊而送，不负所望。谢谢！！！1.前提基于win10专业版64位系统+64位jdk1.8+64位python3.6.5+社区版pycharm2018.1.3+unittest+selenium3.141.0。要学好自动化测试，我们先从python语言基础开始学习，一步一个脚印，欲
  • python面向对象简介_python基础：10.面向对象之简介 奋哥时代 python面向对象简介
    0.前言如果可以的话，请先关注(专栏和账号)，然后点赞和收藏，最后学习和进步。你的支持是我继续写下去的最大动力，个人定当倾囊而送，不负所望。谢谢！！！1.前提基于win10专业版64位系统+64位jdk1.8+64位python3.6.5+社区版pycharm2018.1.3+unittest+selenium3.141.0。要学好自动化测试，我们先从python语言基础开始学习，一步一个脚印，欲
  • Python实现多线程、多进程及协程 闲人编程 pythonpython开发语言多线程多进程协程并发异步
    目录Python实现多线程、多进程及协程引言1.多线程（Threading）1.1多线程的基本概念1.2多线程的优点和缺点1.3Python多线程的实现2.多进程（Multiprocessing）2.1多进程的基本概念2.2多进程的优点和缺点2.3Python多进程的实现3.协程（Coroutine）3.1协程的基本概念3.2协程的优点和缺点3.3Python协程的实现4.三种并发模型的对比与选择
  • 大模型面试通关指南：常见问题与答案解析 史上最全超详细 收藏我这一篇就够了 程序员辣条 面试职场和发展大模型人工智能AI大模型
    大模型相关的面试问题通常涉及模型的原理、应用、优化以及面试者对于该领域的理解和经验。以下是一些常见的大模型面试问题以及建议的回答方式：请简述什么是大模型，以及它与传统模型的主要区别是什么？回答：大模型通常指的是参数数量巨大的深度学习模型，如GPT系列。它们与传统模型的主要区别在于规模：大模型拥有更多的参数和更复杂的结构，从而能够处理更复杂、更广泛的任务。此外，大模型通常需要更多的数据和计算资源进行
  • 【C-实践】文件服务器（4.0） 轩轶子 #C语言实践c语言服务器开发语言
    文件服务器1.0文件服务器2.0文件服务器3.0概述使用了tcp+epoll+线程池+生产者消费者模型，实现文件服务器有两个进程，主进程负责接收退出信号用来退出整个程序；子进程负责管理线程池、客户端连接以及线程池的退出子进程中的主线程生产任务，其他子线程消费任务与3.0的区别是线程池的退出方式，在收到退出信号后，通知线程池让它们自己退出。3.0是暴力退出线程池，4.0是温和退出线程池在任务队列中新
  • gpt-2语言模型训练 谷隐凡二 Python机器学习python人工智能
    一、通过下载对应的语言模型数据集1.1根据你想让回答的内容，针对性下载对应的数据集，我下载的是个医疗问答数据集1.2针对你要用到的字段信息进行处理，然后把需要处理的数据丢给模型去训练，这个模型我是直接从GPT2的网站下载下来的依赖的必要文件截图如下：二、具体代码样例实现：importosimportpandasaspdfromtransformersimportGPT2Tokenizer,GPT2
  • 大模型落地指南：从下载到本地化部署全流程解析 网安猫叔 人工智能自然语言处理语言模型AIGC深度学习
    一、引言随着人工智能技术的迅猛发展，大规模预训练模型（如GPT-4、BERT等）在自然语言处理、图像识别等领域展现出了卓越的性能。然而，如何将这些强大的模型从理论落地到实际应用中，仍然是许多技术从业者面临的挑战。本篇文章旨在为读者提供一份详尽的大模型落地指南，从模型的下载、文件结构的解析，到本地化部署的具体步骤，全面覆盖整个流程。无论你是初次接触大模型的新手，还是希望深入了解部署细节的资深开发者，
  • 如何在5个步骤中编写更好的ChatGPT提示 AI脑极体 chatgpt人工智能
    ChatGPT是一个风靡全球的生成式人工智能(AI)工具。虽然它有可能编造一些东西，但是通过精心设计提示，可以确保获得最佳结果。在这篇文章中，我们将探讨如何做到这一点。在本文中，我将向你展示如何编写提示，激励驱动ChatGPT的大语言模型（LLM）提供最佳答案。另请参阅:自从ChatGPT问世以来，我测试了几十个AI聊天机器人。这里是我最新的首选编写有效提示，通常被称为提示工程，已经成为一个高薪职
  • 说说百度大模型算法工程师二面经历 AI小白熊 百度算法人工智能大模型面试ai自然语言处理
    百度大模型算法工程师面试题应聘岗位：百度大模型算法工程师面试轮数：第二轮整体面试感觉：偏简单面试过程回顾1.自我介绍在自我介绍环节，我清晰地阐述了个人基本信息、教育背景、工作经历和技能特长，展示了自信和沟通能力。2.Leetcode题具体题意记不清了，但是类似【208.实现Trie(前缀树)】题目内容Trie（发音类似“try”）或者说前缀树是一种树形数据结构，用于高效地存储和检索字符串数据集中的
  • 一口气了解大模型相关通识，基础笔记！ AI小白熊 笔记数据库架构面试职场和发展transformerai
    一、大模型生态有哪些语言类大模型:GPT-3、GPT-3.5、GPT-4系列模型。并且，OpenAl在训练GPT-3的同时训练了参数不同、复杂度各不相同的A、B、C、D四项大模型(基座模型)，用于不同场景的应用;其中，A、B、C、D模型的全称分别是ada、babbage、curie(居里)和davinci（达芬奇），四个模型并不是GPT-3的微调模型，而是独立训练的四个模型;四个模型的参数规模和复
  • 文件权限类 不排版
    Linux权限：安全模型：文件权限：r,w,x目录权限：r,w,xrwx:rw-,r--,r-xrwx:111,7rw-:110,6r-x:101,5r--:100,4-wx:011,3-w-:010,2--x:001,1---:000,0750:rwxr-x---练习：1、600，640，660，775，755，750，700,4002、rwxr-x---,r-xr-x---,rw-r-----
  • 微机原理第七周笔记 遥控老爷
    5.7汇编语言程序设计举例汇编源程序的设计步骤分析问题，建立数学模型确定最佳算法合理分配存储单元和寄存器绘制流程图编写程序调试程序程序基本结构模块化设计方法✓“自顶向下，逐步细化”结构化编码方法✓顺序、分支、循环三种基本结构顺序程序设计指令指针IP值线性增加，IP=IP+1条件程序设计IP值受标志位的影响而跳变，影响标志的指令CMP、TEST、JXX循环程序设计IP值受计数器CX中的值不为零而循环
  • 听说优秀的人才，都能在这里遇到伯乐！ 伯马乐业
    伯马乐业-5G时代全产业、全生态、全场景的人力资源服务平台古往今来，怀才不遇、壮志难酬者比比皆是。姜太公若无周文王赏识，就会终老在渭水河畔；百里奚若没有被秦穆公用五张羊皮赎回，恐怕会以放牧的方式度过一生。这些人才正因为有了明主的赏识才会一展宏图，铸就辉煌。岳飞因昏君而枉死，袁崇焕因疑主而冤亡，这些正是愚妄的统治者不能知人善任的悲剧。故而，千里马的命运首先取决于自身的才能，另外也取决于是否有伯乐的赏
  • OPENAI中RAG实现原理以及示例代码用PYTHON来实现 dzend aigcpython开发语言ai
    OPENAI中RAG实现原理以及示例代码用PYTHON来实现1.引言在当今人工智能领域，自然语言处理（NLP）是一个非常重要的研究方向。近年来，OPENAI发布了许多创新的NLP模型，其中之一就是RAG（Retrieval-AugmentedGeneration）模型。RAG模型结合了检索和生成两种方法，可以用于生成与给定问题相关的高质量文本。本文将介绍RAG模型的实现原理，并提供使用Python
  • django实操：换用自建mysql用户表（一次失败的经历） EelBarb pythondjangomysqlpython
    前言别想了，基础不扎实的话，还是老老实实用django自带的用户模块吧！这是一次耗时而且失败了的经历。因为是一次失败的经历，这里我给出一些残酷的经验。实操重写用户模型这是我唯一成功的案例，你需要建一个类似如下的django-orm模型mysql_models.pyfromdjango.dbimportmodelsfromdjango.contrib.auth.modelsimportAbstrac
  • 【微服务】springboot 整合 SA-Token 使用详解 小码农叔叔 微服务治理与实战SA-Token使用详解sa-token使用详解sa-tokensa-token使用sa-token认证授权java使用sa-token
    目录一、前言二、认证与授权介绍2.1什么是认证2.1.1认证的目的2.1.2认证基本步骤2.2什么是授权2.2.1常用的授权模型三、微服务中常用的认证安全框架3.1SpringSecurity3.1.1SpringSecurity特点3.2JWT(JSONWebTokens)3.2.1JWT特点3.3其他认证安全框架四、SA-Token介绍4.1SA-Token是什么4.2SA-Token特点4.
  • 超越传统：Reflection 70B如何革新AI语言处理 黑金IT 人工智能AI编程
    Reflection70B：AI语言模型的新里程碑AI领域迎来了革命性的变革，HyperWrite公司推出的开源AI大模型Reflection70B，以其卓越的性能在多个基准测试中超越了GPT-4o和Llama3.1。这款基于Meta的Llama3.170BInstruct构建的模型，采用了先进的“Reflection-Tuning”技术，能够在最终确定回答前检测并纠正自身的错误，显著提高了输出的
  • 双重差分模型DID PD我是你的真爱粉 计量经济学金融
    双重差分模型（DID）–潘登同学的计量经济学笔记文章目录双重差分模型（DID）--潘登同学的计量经济学笔记基本思想构造模型数据前提稳健性检验共同趋势（CT）检验安慰剂检验stata示例DID估计平行趋势检验安慰剂检验基本思想双重差分法可以理解为对随机分配实验的一种模拟，在没有随机实验的情况下去验证因果关系。步骤：分组：对于一个自然实验，其将全部的样本数据分为两组：一组是受到干预影响，即实验组；另一
  • Java实现的简单双向Map，支持重复Value superlxw1234 java双向map
    关键字：Java双向Map、DualHashBidiMap     有个需求，需要根据即时修改Map结构中的Value值，比如，将Map中所有value=V1的记录改成value=V2，key保持不变。   数据量比较大，遍历Map性能太差，这就需要根据Value先找到Key，然后去修改。   即：既要根据Key找Value，又要根据Value
  • PL/SQL触发器基础及例子 百合不是茶 oracle数据库触发器PL/SQL编程
      触发器的简介; 触发器的定义就是说某个条件成立的时候，触发器里面所定义的语句就会被自动的执行。因此触发器不需要人为的去调用，也不能调用。触发器和过程函数类似 过程函数必须要调用,   一个表中最多只能有12个触发器类型的,触发器和过程函数相似 触发器不需要调用直接执行, 触发时间：指明触发器何时执行，该值可取： before：表示在数据库动作之前触发
  • [时空与探索]穿越时空的一些问题 comsci 问题
          我们还没有进行过任何数学形式上的证明,仅仅是一个猜想.....       这个猜想就是; 任何有质量的物体(哪怕只有一微克)都不可能穿越时空,该物体强行穿越时空的时候,物体的质量会与时空粒子产生反应,物体会变成暗物质,也就是说,任何物体穿越时空会变成暗物质..(暗物质就我的理
  • easy ui datagrid上移下移一行 商人shang js上移下移easyuidatagrid
    /** * 向上移动一行 * * @param dg * @param row */ function moveupRow(dg, row) { var datagrid = $(dg); var index = datagrid.datagrid("getRowIndex", row); if (isFirstRow(dg, row)) {
  • Java反射 oloz 反射
    本人菜鸟，今天恰好有时间，写写博客，总结复习一下java反射方面的知识，欢迎大家探讨交流学习指教 首先看看java中的Class package demo; public class ClassTest { /*先了解java中的Class*/ public static void main(String[] args) { //任何一个类都
  • springMVC 使用JSR-303 Validation验证 杨白白 springmvc
    JSR-303是一个数据验证的规范，但是spring并没有对其进行实现，Hibernate Validator是实现了这一规范的，通过此这个实现来讲SpringMVC对JSR-303的支持。 JSR-303的校验是基于注解的，首先要把这些注解标记在需要验证的实体类的属性上或是其对应的get方法上。 登录需要验证类 public class Login { @NotEmpty
  • log4j 香水浓 log4j
    log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, HTML, DATABASE #log4j.rootCategory=DEBUG, STDOUT, DAILYFILE, ROLLINGFILE, HTML #console log4j.appender.STDOUT=org.apache.log4j.ConsoleAppender log4
  • 使用ajax和history.pushState无刷新改变页面URL agevs jquery框架Ajaxhtml5chrome
    表现 如果你使用chrome或者firefox等浏览器访问本博客、github.com、plus.google.com等网站时，细心的你会发现页面之间的点击是通过ajax异步请求的，同时页面的URL发生了了改变。并且能够很好的支持浏览器前进和后退。 是什么有这么强大的功能呢？ HTML5里引用了新的API，history.pushState和history.replaceState，就是通过
  • centos中文乱码 AILIKES centosOSssh
    一、CentOS系统访问 g.cn ，发现中文乱码。 于是用以前的方式：yum -y install fonts-chinese CentOS系统安装后，还是不能显示中文字体。我使用 gedit 编辑源码，其中文注释也为乱码。       后来，终于找到以下方法可以解决，需要两个中文支持的包： fonts-chinese-3.02-12.
  • 触发器 baalwolf 触发器
    触发器(trigger)：监视某种情况，并触发某种操作。 触发器创建语法四要素：1.监视地点(table) 2.监视事件(insert/update/delete) 3.触发时间(after/before) 4.触发事件(insert/update/delete) 语法： create trigger triggerName after/before 
  • JS正则表达式的i m g bijian1013 JavaScript正则表达式
            g:表示全局（global)模式，即模式将被应用于所有字符串，而非在发现第一个匹配项时立即停止。         i:表示不区分大小写（case-insensitive）模式，即在确定匹配项时忽略模式与字符串的大小写。         m:表示
  • HTML5模式和Hashbang模式 bijian1013 JavaScriptAngularJSHashbang模式HTML5模式
            我们可以用$locationProvider来配置$location服务（可以采用注入的方式，就像AngularJS中其他所有东西一样）。这里provider的两个参数很有意思，介绍如下。 html5Mode         一个布尔值，标识$location服务是否运行在HTML5模式下。 ha
  • [Maven学习笔记六]Maven生命周期 bit1129 maven
    从mvn test的输出开始说起   当我们在user-core中执行mvn test时，执行的输出如下：   /software/devsoftware/jdk1.7.0_55/bin/java -Dmaven.home=/software/devsoftware/apache-maven-3.2.1 -Dclassworlds.conf=/software/devs
  • 【Hadoop七】基于Yarn的Hadoop Map Reduce容错 bit1129 hadoop
    运行于Yarn的Map Reduce作业，可能发生失败的点包括 Task Failure Application Master Failure Node Manager Failure Resource Manager Failure 1. Task Failure 任务执行过程中产生的异常和JVM的意外终止会汇报给Application Master。僵死的任务也会被A
  • 记一次数据推送的异常解决端口解决 ronin47 记一次数据推送的异常解决
    　　 需求：从db获取数据然后推送到B         程序开发完成，上jboss,刚开始报了很多错，逐一解决，可最后显示连接不到数据库。机房的同事说可以ping 通。 　　  自已画了个图，逐一排除，把linux 防火墙　和　setenforce　设置最低。 　　　service iptables stop
  • 巧用视错觉-UI更有趣 brotherlamp UIui视频ui教程ui自学ui资料
    我们每个人在生活中都曾感受过视错觉（optical illusion）的魅力。 视错觉现象是双眼跟我们开的一个玩笑，而我们往往还心甘情愿地接受我们看到的假象。其实不止如此，视觉错现象的背后还有一个重要的科学原理——格式塔原理。 格式塔原理解释了人们如何以视觉方式感觉物体，以及图像的结构，视角，大小等要素是如何影响我们的视觉的。 在下面这篇文章中，我们首先会简单介绍一下格式塔原理中的基本概念，
  • 线段树-poj1177-N个矩形求边长（离散化+扫描线） bylijinnan 数据结构算法线段树
    package com.ljn.base; import java.util.Arrays; import java.util.Comparator; import java.util.Set; import java.util.TreeSet; /** * POJ 1177 (线段树+离散化+扫描线)，题目链接为http://poj.org/problem?id=1177
  • HTTP协议详解 chicony http协议
    引言                                 
  • Scala设计模式 chenchao051 设计模式scala
    Scala设计模式                我的话： 在国外网站上看到一篇文章，里面详细描述了很多设计模式，并且用Java及Scala两种语言描述，清晰的让我们看到各种常规的设计模式，在Scala中是如何在语言特性层面直接支持的。基于文章很nice，我利用今天的空闲时间将其翻译，希望大家能一起学习，讨论。翻译
  • 安装mysql daizj mysql安装
    安装mysql   (1)删除linux上已经安装的mysql相关库信息。rpm  -e  xxxxxxx   --nodeps (强制删除)      执行命令rpm -qa |grep mysql 检查是否删除干净   (2)执行命令  rpm -i MySQL-server-5.5.31-2.el
  • HTTP状态码大全 dcj3sjt126com http状态码
    完整的 HTTP 1.1规范说明书来自于RFC 2616，你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性，因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的客户端，支持协议版本可以通过调用request
  • asihttprequest上传图片 dcj3sjt126com ASIHTTPRequest
    NSURL *url =@"yourURL"; ASIFormDataRequest*currentRequest =[ASIFormDataRequest requestWithURL:url]; [currentRequest setPostFormat:ASIMultipartFormDataPostFormat];[currentRequest se
  • C语言中，关键字static的作用 e200702084 C++cC#
    在C语言中，关键字static有三个明显的作用： 1)在函数体，局部的static变量。生存期为程序的整个生命周期，（它存活多长时间）；作用域却在函数体内（它在什么地方能被访问（空间））。 一个被声明为静态的变量在这一函数被调用过程中维持其值不变。因为它分配在静态存储区，函数调用结束后并不释放单元，但是在其它的作用域的无法访问。当再次调用这个函数时，这个局部的静态变量还存活，而且用在它的访
  • win7/8使用curl geeksun win7
    1.  WIN7/8下要使用curl，需要下载curl-7.20.0-win64-ssl-sspi.zip和Win64OpenSSL_Light-1_0_2d.exe。 下载地址：  http://curl.haxx.se/download.html 请选择不带SSL的版本，否则还需要安装SSL的支持包   2.  可以给Windows增加c
  • Creating a Shared Repository; Users Sharing The Repository hongtoushizi git
    转载自：   http://www.gitguys.com/topics/creating-a-shared-repository-users-sharing-the-repository/ Commands discussed in this section: git init –bare git clone git remote git pull git p
  • Java实现字符串反转的8种或9种方法 Josh_Persistence 异或反转递归反转二分交换反转java字符串反转栈反转
    注：对于第7种使用异或的方式来实现字符串的反转，如果不太看得明白的，可以参照另一篇博客： http://josh-persistence.iteye.com/blog/2205768   /** * */ package com.wsheng.aggregator.algorithm.string; import java.util.Stack; /**
  • 代码实现任意容量倒水问题 home198979 PHP算法倒水
    形象化设计模式实战             HELLO!架构                     redis命令源码解析   倒水问题：有两个杯子，一个A升，一个B升，水有无限多，现要求利用这两杯子装C
  • Druid datasource zhb8015 druid
    推荐大家使用数据库连接池 DruidDataSource. http://code.alibabatech.com/wiki/display/Druid/DruidDataSource DruidDataSource经过阿里巴巴数百个应用一年多生产环境运行验证，稳定可靠。 它最重要的特点是：监控、扩展和性能。 下载和Maven配置看这里： http
  • 两种启动监听器ApplicationListener和ServletContextListener spjich javaspring框架
    引言:有时候需要在项目初始化的时候进行一系列工作，比如初始化一个线程池，初始化配置文件，初始化缓存等等，这时候就需要用到启动监听器，下面分别介绍一下两种常用的项目启动监听器   ServletContextListener  特点: 依赖于sevlet容器，需要配置web.xml 使用方法: public class StartListener implements
  • JavaScript Rounding Methods of the Math object 何不笑 JavaScriptMath
        The next group of methods has to do with rounding decimal values into integers. Three methods — Math.ceil(),  Math.floor(), and  Math.round() — handle rounding in differen
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他