当前位置: 首页 > news >正文

Landsat 5介绍

USGS Landsat 5 Level 2, Collection 2, Tier 1

数据集可用性:1984-03-16T16:18:01Z–2012-05-05T17:54:06Z

数据集提供程序

USGS

Earth Engine 代码段

ee.ImageCollection("LANDSAT/LT05/C02/T1_L2") open_in_new

重新访问间隔:16 天


说明

此数据集包含根据 Landsat TM 传感器生成的数据派生的经过大气校正的表面反射率和地表温度。这些图像包含 4 个可见光和近红外 (VNIR) 波段、2 个短波红外 (SWIR) 波段(已处理为正射校正的表面反射率)和 1 个热红外 (TIR) 波段(已处理为正射校正的表面温度)。它们还包含用于计算 ST 产品的中间频段,以及质量检查频段。

Landsat 4 和 5 SR 产品是使用 Landsat 生态系统干扰自适应处理系统 (LEDAPS) 算法 (3.4.0 版) 创建的。所有 Collection 2 ST 产品均采用由罗切斯特理工学院 (RIT) 和美国国家航空航天局 (NASA) 喷气推进实验室 (JPL) 联合开发的单通道算法制作而成。

收集的数据条会使用标准化参考网格打包成重叠的“场景”,每个场景大约覆盖 170 公里 x 183 公里。

某些素材资源仅包含 SR 数据,在这种情况下,ST 频段虽然存在,但为空。 对于同时具有 ST 和 SR 频段的素材资源,“PROCESSING_LEVEL”设为“L2SP”。对于仅包含 SR 频段的素材资源,“PROCESSING_LEVEL”设为“L2SR”。

其他文档和使用示例。

数据提供方备注:

  • 数据产品必须同时包含光学数据和热数据,才能成功处理为地表温度,因为 ASTER NDVI 需要将 ASTER GED 产品暂时调整为目标 Landsat 场景。因此,夜间获取的数据无法处理为地表温度。

  • 与云和可能的云阴影相关的表面温度检索存在已知错误。Cook 等人(2014)。

  • ASTER GED 中缺少生成 ST 产品所需的平均发射率数据。如果缺少 ASTER GED 信息,则相应区域将缺少 ST 数据。

  • ASTER GED 数据集是根据 2000 年至 2008 年获取的 ASTER 场景的所有晴天像素创建的。虽然此数据集具有全球空间范围,但由于 ASTER 测量中存在持续的云污染,因此有些区域缺少平均发射率信息。

  • USGS 进一步过滤 ASTER GED 中的非物理值(发射率小于 0.6),以消除因未检测到的云而导致的任何发射率低估。对于没有 ASTER GED 输入或发射率值不合理的任何给定像素,生成的 Landsat ST 产品中都会缺少像素。鉴于 ASTER GED 平均气候数据的静态特性,缺失的 Landsat ST 像素将在时间(1982 年至今)上保持一致。如需了解详情,请参阅 landsat-collection-2-surface-temperature-data-gaps-due-missing

像元大小(空间分辨率)

30m

BAND

名称单位最小值最大值缩放偏移值波长说明
SR_B11654552.75e-05-0.20.45-0.52 μm

波段 1(蓝色)表面反射率

SR_B21654552.75e-05-0.20.52-0.60 μm

波段 2(绿色)地表反射率

SR_B31654552.75e-05-0.20.63-0.69 μm

波段 3(红色)表面反射率

SR_B41654552.75e-05-0.20.77-0.90 μm

波段 4(近红外)表面反射率

SR_B51654552.75e-05-0.21.55-1.75 微米

波段 5(短波红外 1)地表反射率

SR_B71654552.75e-05-0.22.08-2.35 μm

波段 7(短波红外 2)地表反射率

SR_ATMOS_OPACITY0100000.001

对 LEDAPS 生成的大气不透明度的一般性解读,基于场景中深色茂密植被 (DDV) 上观测到的辐射度。大气不透明度的一般解读是:小于 0.1 的值表示天空晴朗,0.1-0.3 表示平均,大于 0.3 的值表示雾霾或其他云层情况。来自大气不透明度较高的像素的 SR 值的可靠性较低,尤其是在太阳天顶角较高的情况下。SR_ATMOS_OPACITY 频段面向高级用户和产品质量评估提供,尚未经过验证。建议大多数用户改用 QA_PIXEL 波段信息来区分云层。

SR_CLOUD_QA

Cloud 质量评估

SR_CLOUD_QA 的位掩码

ST_B6K0655350.0034180214910.40-12.50 μm

波段 6 地表温度。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_ATRAN0100000.0001

大气透射率。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_CDISTkm0240000.01

到云端的像素距离。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_DRADW/(m^2*sr*um)/ DN0280000.001

向下照射的光线。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_EMIS0100000.0001

从 ASTER GED 估算的排放系数。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_EMSD0100000.0001

发射率标准差。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_QAK0327670.01

地表温度波段的不确定性。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_TRADW/(m^2*sr*um)/ DN0220000.001

热带转换为辐射度。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

ST_URADW/(m^2*sr*um)/ DN0280000.001

向上延伸的光线。 如果将“PROCESSING_LEVEL”设置为“L2SR”,则系统会完全遮盖此频段。

QA_PIXEL

通过 CFMASK 算法生成的像素质量属性。

QA_PIXEL 的位掩码

QA_RADSAT

辐射饱和度质量检查

QA_RADSAT 的位掩码

图片属性

名称类型说明
ALGORITHM_SOURCE_SURFACE_REFLECTANCESTRING

表面反射率算法的名称和版本。

ALGORITHM_SOURCE_SURFACE_TEMPERATURESTRING

表面温度算法的名称和版本。

CLOUD_COVER双精度

云量百分比(0-100),-1 = 未计算。

CLOUD_COVER_LAND双精度

陆地上的云量百分比(0-100),-1 = 未计算。

COLLECTION_CATEGORYSTRING

场景合集类别:“T1”或“T2”。

DATA_SOURCE_AIR_TEMPERATURESTRING

空气温度数据源。

DATA_SOURCE_ELEVATIONSTRING

海拔数据源。

DATA_SOURCE_OZONESTRING

Ozone 数据源。

DATA_SOURCE_PRESSURESTRING

压力数据源。

DATA_SOURCE_REANALYSISSTRING

重新分析数据源。

DATA_SOURCE_WATER_VAPORSTRING

水蒸气数据源。

DATE_PRODUCT_GENERATED双精度

商品生成日期的时间戳。

EARTH_SUN_DISTANCE双精度

地球与太阳的距离 (AU)。

EPHEMERIS_TYPESTRING

用于告知用户所使用的轨道恒星表类型的标识符:“DEFINITIVE”或“PREDICTIVE”。如果该字段不存在,用户应假定为“PREDICTIVE”。

GEOMETRIC_RMSE_MODEL双精度

横向和纵向几何残差 (米) 的综合 RMSE(均方根误差)。仅当 L1_PROCESSING_LEVEL 为 L1TP 时,此参数才存在。

GEOMETRIC_RMSE_MODEL_X双精度

在横向方向上对 GCP(地面控制点)测量的几何残差(米)的 RMSE(均方根误差)。这些 GCP 用于几何精度校正。只有当 L1_PROCESSING_LEVEL 为 L1TP 时,此参数才会存在。

GEOMETRIC_RMSE_MODEL_Y双精度

在轨迹方向上对 GCP(地面控制点)测量的几何残差(米)的 RMSE(均方根误差)。这些残差用于几何精度校正。只有当 L1_PROCESSING_LEVEL 为 L1TP 时,此参数才会存在。

GROUND_CONTROL_POINTS_MODEL双精度

精度校正过程中使用的 GCP 数量。 仅当 L1_PROCESSING_LEVEL 为 L1TP 时,此参数才存在。

GROUND_CONTROL_POINTS_VERSION双精度

精度校正过程中使用的 GCP 数据集版本。仅当 L1_PROCESSING_LEVEL 为 L1TP 时,此参数才存在。

IMAGE_QUALITYINT

频段的综合图片质量。 0 = 最差,9 = 最好,-1 = 未计算或评估质量。

L1_DATE_PRODUCT_GENERATEDSTRING

相应 L1 商品的商品生成日期。

L1_LANDSAT_PRODUCT_IDSTRING

相应 L1 产品的 Landsat 产品标识符。

L1_PROCESSING_LEVELSTRING

相应 L1 商品的处理级别。

L1_PROCESSING_SOFTWARE_VERSIONSTRING

相应 L1 商品的处理软件版本。

LANDSAT_PRODUCT_IDSTRING

Landsat 产品标识符

LANDSAT_SCENE_IDSTRING

短 Landsat 场景标识符

PROCESSING_LEVELSTRING

如果同时存在 SR 和 LST 频段,则为“L2SP”;如果仅存在 SR 频段,则为“L2SR”。

PROCESSING_SOFTWARE_VERSIONSTRING

创建商品时所用的处理软件版本。

SCENE_CENTER_TIMESTRING

观测时间,采用 ISO 8601 字符串。

SENSOR_IDSTRING

传感器的名称。

SPACECRAFT_IDSTRING

航天器的名称。

SUN_AZIMUTH双精度

图片中心位置在图片中心获取时间的太阳方位角(以度为单位)。正值表示从北向东或顺时针方向的角度。负值表示向西或从北向顺时针方向的角度。

SUN_ELEVATION双精度

图片中心位置在图片中心获取时间的太阳高度角(以度为单位)。正值表示白天场景。负值表示夜间场景。注意:如需计算反射率,需要太阳天顶角,即 90 - 太阳仰角。

TEMPERATURE_MAXIMUM_BAND_ST_B6双精度

频段 6 可达到的最高温度值。

TEMPERATURE_MINIMUM_BAND_ST_B6双精度

频段 6 可实现的最低温度值。

WRS_PATHINT

场景的 WRS 路径编号。

WRS_ROWINT

场景的 WRS 行号。

使用条款

Landsat 数据集是联邦政府创建的数据,因此属于公共领域,可在无版权限制的情况下使用、转让或复制。

应提供 USGS 作为数据源的致谢或归因,方法是添加一行文本引用,如以下示例所示。

(产品、图片、照片或数据集名称)由美国地质调查局提供

示例:Landsat-7 图像(图片由美国地质调查局提供)

如需详细了解如何正确引用和致谢 USGS 产品,请参阅 USGS 视觉身份系统指南。

相关文章:

Landsat 5介绍

USGS Landsat 5 Level 2, Collection 2, Tier 1 数据集可用性:1984-03-16T16:18:01Z–2012-05-05T17:54:06Z 数据集提供程序 USGS Earth Engine 代码段 ee.ImageCollection("LANDSAT/LT05/C02/T1_L2") open_in_new 重新访问间隔:16 天 说…...

PowerShell 实现 conda 懒加载

问题 执行命令conda init powershell会在 profile.ps1中添加conda初始化的命令。 即使用户不需要用到conda,也会初始化conda环境,拖慢PowerShell的启动速度。 解决方案 本文展示了如何实现conda的懒加载,默认不加载conda环境,只…...

解锁ozon运营新路径:自养号测评技术如何实现降本增效

OZON测评自养号技术在跨境电商运营中具有显著的技术优势,主要体现在环境安全、账号控制、成本效率及风险规避等方面。以下是具体分析: 一:安全可控的测评环境搭建通过模拟俄罗斯本地物理环境和家庭住宅IP,自养号测评可规避平台风…...

算法第十七天|654. 最大二叉树、617.合并二叉树、700.二叉搜索树中的搜索、98.验证二叉搜索树

654. 最大二叉树 题目 思路与解法 # Definition for a binary tree node. # class TreeNode: # def __init__(self, val0, leftNone, rightNone): # self.val val # self.left left # self.right right class Solution:def constructMaximumB…...

Spring Boot 的自动配置为 Spring MVC 做了哪些事情?

Spring Boot 的自动配置为 Spring MVC 做了大量的工作,极大的简化了我们开发时的配置负担,我们可以快速启动并运行一个基于 Spring MVC 的 Web 应用。以下是 Spring Boot 自动配置为 Spring MVC 所做的主要事情: DispatcherServlet 的自动注册…...

【python】—conda新建python3.11的环境报错

1.报错 conda create -n py3.11 python3.11 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ Collecting package metadata: done Solving environment: failed PackagesNotFoundError: The following packages are not available from current channel…...

桑德拉精神与开源链动2+1模式AI智能名片S2B2C商城小程序的协同价值研究

摘要:本文深入剖析桑德拉无私奉献精神在商业领域的映射价值,结合开源链动21模式、AI智能名片及S2B2C商城小程序的技术特性,系统探讨其在用户赋能、资源协同与价值共创中的协同效应。研究表明,该技术组合通过去中心化激励、智能需求…...

JavaEE--初识网络

目录 一、IP地址 二、端口号 三、认识协议 四、五元组 五、协议分层 1. OSI七层模型 2. TCP/IP五层(或四层)模型 3. 网络设备所在分层 4. 封装和分用 一、IP地址 IP地址(Internet Protocol Address)是用于标识设备在网络…...

2.7/Q2,Charls最新文章解读

文章题目:Climate risks, multi-tier medical insurance systems, and health inequality: evidence from Chinas middle-aged and elderly populations DOI:10.1186/s12913-025-12648-2 中文标题:气候风险、多层次医疗保险制度和健康不平等—…...

Mac显卡的工作原理及特殊之处

目录 🧠 一、显卡的基本工作原理(适用于所有平台) 🍏 二、Mac 显卡的工作机制 1. Mac 使用的显卡类型 Intel 架构时代(Intel CPU Intel/AMD 显卡) Apple Silicon 时代(M1/M2/M3 芯片&…...

MUSE Pi Pro 编译kernel内核及创建自动化脚本进行环境配置

视频讲解: MUSE Pi Pro 编译kernel内核及创建自动化脚本进行环境配置 今天分享的主题为创建自动化脚本编译MUSE Pi Pro的kernel内核,脚本已经上传到中 GitHub - LitchiCheng/MUSE-Pi-Pro-Learning: MUSE-Pi-Pro-Learning ,有需要可以自行clon…...

flink的TaskManager 内存模型

Flink TaskManager 的内存模型是一个多层管理体系,从 JVM 进程到具体任务的内存分配均有明确的逻辑划分和配置策略。以下是其核心构成及运行机制: 一、内存模型总览‌ TaskManager 内存整体分为 ‌JVM 特有内存‌ 和 ‌Flink 管理内存‌ 两大层级&…...

【NLP 72、Prompt、Agent、MCP、function calling】

命运把我们带到哪里,就是哪里 —— 25.5.13 一、Prompt 1.User Prompt 用户提示词 当我们与大模型进行对话时,我们向大模型发送的消息,称作User Prompt,也就是用户提示词,一般就是我们提出的问题或者想说的话 但是我们…...

无人机俯视风光摄影Lr调色预设,手机滤镜PS+Lightroom预设下载!

调色详情 无人机俯视风光摄影 Lr 调色是利用 Adobe Lightroom 软件,对无人机从俯视角度拍摄的风光照片进行后期处理的调色方式。通过调整色彩、对比度、光影等多种参数,能够充分挖掘并强化画面独特视角下的壮美与细节之美,让原本平凡的航拍风…...

【HTML5】【AJAX的几种封装方法详解】

【HTML5】【AJAX的几种封装方法详解】 AJAX (Asynchronous JavaScript and XML) 封装是为了简化重复的异步请求代码,提高开发效率和代码复用性。下面我将介绍几种常见的 AJAX 封装方式。 方法1. 基于原生 XMLHttpRequest 的封装 XMLHttpRequest。其主要特点如下…...

STM32 __rt_entry

STM32中__rt_entry函数的深度解析 在STM32的启动流程中,__rt_entry是一个由ARM C库提供的核心函数,负责在__main完成基础初始化后,搭建完整的C语言运行环境。以下是其核心功能及工作机制的详细分析: 一、__rt_entry的核心作用 ​…...

YOLOv11融合[AAAI2025]的PConv模块

YOLOv11v10v8使用教程: YOLOv11入门到入土使用教程 YOLOv11改进汇总贴:YOLOv11及自研模型更新汇总 《Pinwheel-shaped Convolution and Scale-based Dynamic Loss for Infrared Small Target Detection》 一、 模块介绍 论文链接:https://…...

point3d 视野朝向设置

这里写自定义目录标题 point3d 视野朝向设置三维相机朝向的直观理解 point3d 视野朝向设置 open3d.visualization.Visualizer 中的 get_view_control() 方法返回一个 ViewControl 对象,用来控制 3D 可视化窗口中的相机视角。通过这个对象可以设置视角朝向&#xff…...

基于大模型的腰椎管狭窄术前、术中、术后全流程预测与治疗方案研究报告

目录 一、引言 1.1 研究背景与意义 1.2 研究目的与创新点 二、腰椎管狭窄概述 2.1 定义与分类 2.2 发病原因与机制 2.3 临床表现与诊断方法 三、大模型技术原理与应用现状 3.1 大模型的基本原理 3.2 在医疗领域的应用案例 3.3 选择大模型预测腰椎管狭窄的依据 四、…...

Matlab基于SSA-MVMD麻雀算法优化多元变分模态分解

Matlab基于SSA-MVMD麻雀算法优化多元变分模态分解 目录 Matlab基于SSA-MVMD麻雀算法优化多元变分模态分解效果一览基本介绍程序设计参考资料效果一览 基本介绍 Matlab基于SSA-MVMD麻雀算法优化多元变分模态分解 可直接运行 分解效果好 适合作为创新点(Matlab完整源码和数据),…...

工程师必读! 3 个最常被忽略的 TDR 测试关键细节与原理

TDR真的是一个用来看阻抗跟Delay的好工具,通过一个Port的测试就可以看到通道各个位置的阻抗变化。 可是使用上其实没这么单纯,有很多细节需要非常地小心,才可以真正地看到您想看的信息! 就让我们整理3个极为重要的TDR使用小细节&…...

Spring Boot 项目中什么时候会抛出 FeignException?

在 Spring Boot 项目中使用 Feign 时,FeignException 是 Feign 客户端在执行 HTTP 请求过程中可能抛出的基础异常。它有很多子类,分别对应不同类型的错误。以下是一些常见的会抛出 FeignException (或其子类) 的情况: 网络连接问题 (Network …...

Spring Boot Swagger 安全防护全解析:从旧版实践到官方规范

摘要 本文系统梳理 Swagger 安全防护的核心方案,涵盖旧版 Swagger(SpringFox)的swagger.basic配置实践、官方推荐的 Spring Security 方案,以及多环境管理、反向代理过滤等全链路技术。结合权威文档,明确不同方案的适…...

基于 PLC 的轮式服务机器人研究

标题:基于 PLC 的轮式服务机器人研究 内容:1.摘要 本文以轮式服务机器人为研究对象,探讨基于可编程逻辑控制器(PLC)的设计与实现。在智能化服务需求不断增长的背景下,旨在开发一种具备稳定运动控制和高效服务功能的轮式服务机器人…...

emed64_20.9.2.msi 安装步骤(超简单版)

找到安装包 首先,先下载安装包链接:https://pan.quark.cn/s/2efb908815a4(可能在下载文件夹或者别人发给你的位置),双击它就行。如果双击没反应,就右键点它,选“安装”。 弹出安装向导 这时候会…...

HTML、CSS 和 JavaScript 基础知识点

HTML、CSS 和 JavaScript 基础知识点 一、HTML 基础 1. HTML 文档结构 <!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.…...

直接在Excel中用Python Matplotlib/Seaborn/Plotly......

本次分享如何利用pyxll包&#xff0c;实现直接在Excel中使用Python Matplotlib/Seaborn/Plotly等强大可视化工具。 pyxll配置 pyxll安装 pip install pyxll pyxll install pyxll自定义方法 例如&#xff0c;自定义一个计算斐波那契数的方法fib&#xff0c;并使用pyxll装饰器…...

互联网大厂Java求职面试:优惠券服务架构设计与AI增强实践-5

互联网大厂Java求职面试&#xff1a;优惠券服务架构设计与AI增强实践-5 第一轮面试&#xff1a;业务场景切入 面试官&#xff08;技术总监&#xff09;&#xff1a; 欢迎郑薪苦参与今天的面试。我们先从一个实际业务场景谈起——假设你正在设计一个电商平台的优惠券服务系统&…...

KV cache 缓存与量化:加速大型语言模型推理的关键技术

引言 在大型语言模型&#xff08;LLM&#xff09;的推理过程中&#xff0c;KV 缓存&#xff08;Key-Value Cache&#xff09; 是一项至关重要的优化技术。自回归生成&#xff08;如逐 token 生成文本&#xff09;的特性决定了模型需要反复利用历史token的注意力计算结果&#…...

[250512] Node.js 24 发布:ClangCL 构建,升级 V8 引擎、集成 npm 11

目录 Node.js 24 版本发布&#xff1a;Windows 平台构建工具链转向 ClangCL Node.js 24 版本发布&#xff1a;Windows 平台构建工具链转向 ClangCL 流行的开源跨平台 JavaScript 运行时环境 Node.js 近日发布了 24.0 版本。此版本带来了多项性能提升、安全增强和开发体验的改进…...

Linux常用命令39——free显示系统内存使用量情况

在使用Linux或macOS日常开发中&#xff0c;熟悉一些基本的命令有助于提高工作效率&#xff0c;free命令的功能是显示系统内存使用量情况&#xff0c;包含物理内存和交换内存的总量、使用量、空闲量情况。本篇学习记录free命令的基本使用。 首先查看帮助文档&#xff1a; 语法格…...

4. 文字效果/2D-3D转换 - 3D翻转卡片

4. 文字效果/2D-3D转换 - 3D翻转卡片 案例&#xff1a;3D产品展示卡片 <!DOCTYPE html> <html><head><meta charset"utf-8"><title></title></head><style type"text/css">.scene {width: 300px;height…...

游戏引擎学习第276天:调整身体动画

运行游戏&#xff0c;演示我们遇到的拉伸问题&#xff0c;看起来不太好&#xff0c;并考虑切换到更顶视角的视角 我们开始讨论游戏开发中的一些美学决策&#xff0c;特别是在处理动画方面。虽然我们是游戏程序员&#xff0c;通常不负责设计或艺术部分&#xff0c;但因为这是一…...

Java线程池性能优化全解析:从配置到实践

一、线程池配置原则 1.1 核心参数设定 线程池的性能优化始于合理配置,关键参数包括: 核心线程数(corePoolSize) CPU密集型任务:设为Runtime.getRuntime().availableProcessors()(通常为CPU核心数)IO密集型任务:设为CPU核心数 * 2(或更高,根据IO等待时间调整)最大线…...

【入门】歌德巴赫猜想

描述 任一个大于等于4的偶数都可以拆分为两个素数之和。 输入描述 一个整数n( 4 < n < 200 &#xff09; 输出描述 将小于等于n的偶数拆分为2个质数之和&#xff0c;列出所有方案&#xff01; 用例输入 1 10 用例输出 1 422 633 835 1037 1055 #include<b…...

kafka----初步安装与配置

目录标题 ⭐kafka 与 zookeeper间的关系一.集群部署二.修改配置文件三.分发安装包四.启动与关闭 kafka 与 zookeeper 相同&#xff0c;是以集群的形式使用 ⭐kafka 与 zookeeper间的关系 kafka 的使用 要在 zookeeper 集群配置好的基础上 使用要想启动kafka 要先启动 zookeep…...

如何通过 Windows 图形界面找到 WSL 主目录

WSL(Windows Subsystem for Linux)是微软开发的一个软件层,用于在 Windows 11 或 10 上原生运行 Linux 二进制可执行文件。当你在 WSL 上安装一个 Linux 发行版时,它会在 Windows 内创建一个 Linux 环境,包括自己的文件系统和主目录。但是,如何通过 Windows 的图形文件资…...

Cursor 编辑器 的 高级使用技巧与创意玩法

以下是针对 Cursor 编辑器 的 高级使用技巧与创意玩法 深度解析,涵盖代码生成优化、工作流定制、隐藏功能等层面,助你将 AI 辅助编程效率提升至新高度: 一、代码生成进阶技巧 1. 精准控制生成粒度 行级控制: 在代码行内用 // > 指定生成方向(替代模糊注释)def merge_…...

element-ui 源码调用接口跨域问题

今天在看 upload 组件源码时&#xff0c;在组件源码当中调用的本地启动的 nodejs 服务写的上传接口&#xff0c;遇到跨域问题&#xff1a; 问题一、在 upload.md 中调用 nodejs 服务中的 上传接口&#xff0c;控制台报跨域报错。 解决方法1&#xff1a;在根目录增加 vue.conf…...

Docker与PostgreSQL

1. 背景介绍 Docker是一种开源的容器化技术&#xff0c;它通过使用容器来隔离应用程序及其运行环境&#xff0c;使得开发人员能够快速、可靠地构建、部署和运行应用程序。Docker容器是轻量级的虚拟化单元&#xff0c;能够在任何支持Docker的操作系统上运行&#xff0c;从而消除…...

iVX 研发基座:大型系统开发的协作与安全架构实践

通过图形化开发、组件化封装和多厂商协作机制&#xff0c;iVX 解决了传统开发模式在效率、安全和扩展性上的痛点。文章结合政务、教育、企业等行业案例&#xff0c;展示其在数据治理、权限控制和 DevOps 等方面的创新实践&#xff0c;为大型系统开发提供完整的技术参考。 一、…...

Vxe UI vue vxe-table 实现表格数据分组功能,不是使用树结构,直接数据分组

Vxe UI vue vxe-table 实现表格数据分组功能&#xff0c;不是使用树结构&#xff0c;直接数据分组 查看官网&#xff1a;https://vxetable.cn gitbub&#xff1a;https://github.com/x-extends/vxe-table gitee&#xff1a;https://gitee.com/x-extends/vxe-table 代码 通过…...

基于TI AM6442+FPGA解决方案,支持6网口,4路CAN,8个串口

TI AM6442FPGA解决方案具有以下技术优势及适用领域&#xff1a; 一、技术优势 ‌异构多核架构‌&#xff1a;AM6442处理器集成7个内核&#xff08;2xCortex-A534xCortex-R5F1xCortex-M4F&#xff09;&#xff0c;可实现应用处理、实时控制和独立任务分核协同&#xff0c;满足…...

6. 多列布局/用户界面 - 杂志风格文章布局

6. 多列布局/用户界面 - 杂志风格文章布局 案例&#xff1a;多栏杂志排版 <!DOCTYPE html> <html><head><meta charset"utf-8"><title></title></head><style type"text/css">body {font-family: "…...

计算机系统----软考中级软件设计师(自用学习笔记)

目录 1、计算机的基本硬件系统 2、CPU的功能 3、运算器的组成 4、控制器 5、计算机的基本单位 6、进制转换问题 7、原码、反码、补码、移码 8、浮点数 9、寻址方式 10、奇偶校验码 11、海明码 12、循环冗余校验码 13、RISC和CISC 14、指令的处理方式 15、存储器…...

FPGA图像处理(六)------ 图像腐蚀and图像膨胀

默认迭代次数为1&#xff0c;只进行一次腐蚀、膨胀 一、图像腐蚀 1.相关定义 2.图像腐蚀效果图 3.fpga实现 彩色图像灰度化&#xff0c;灰度图像二值化&#xff0c;图像缓存生成滤波模块&#xff08;3*3&#xff09;&#xff0c;图像腐蚀算法 timescale 1ns / 1ps // // Des…...

2025年RIS SCI2区,改进白鲸优化算法+复杂非线性方程组求解,深度解析+性能实测

目录 1.摘要2.白鲸优化算法BWO原理3.改进策略4.结果展示5.参考文献6.代码获取7.读者交流 1.摘要 本文提出了一种改进白鲸优化算法&#xff08;ABWOA&#xff09;用来解决非线性方程组&#xff08;SNLEs&#xff09;求解问题。ABWOA引入了平衡因子和非线性自适应参数&#xff0…...

【论信息系统项目的资源管理】

论信息系统项目的资源管理 前言一、规划好资源管理&#xff0c;为保证项目完成做好人员规划二、估算活动资源&#xff0c;为制订项目进度计划提供资源需求三、获取项目资源&#xff0c;组建一个完备的项目团队四、建设项目团队&#xff0c;提高工作能力&#xff0c;促进团队成员…...

开发与AI融合的Windsurf编辑器

Windsurf编辑器是开发人员和人工智能真正融合在一起的地方&#xff0c;提供了一种感觉像文字魔术的编码体验。 手册&#xff1a;Windsurf - Getting Started 下载链接&#xff1a;Download Windsurf Editor for Windows | Windsurf (formerly Codeium) 下载安装 从上面的下载…...

maven工程跳过@SpringTest

每次跑springboot都比较费劲&#xff0c;会自动测试所有的SpringBootTest的类&#xff0c;这里对根pom添加这个插件&#xff0c;即可跳过测试&#xff0c;实测节省时间2分钟以上 <plugin><groupId>org.apache.maven.plugins</groupId><artifactId>ma…...