最近在学习基于深度学习的点云分割算法，关注到牛津大学胡庆拥博士提出的RandLa-Net网络应用于城市级别的点云语义分割，所以想来复现一下。复现过程所参照的博文和代码如下（排序不分先后。没有各位大佬的分享，晚辈们必定寸步难行，感激不尽）

1、假设绘制得到如下图窗，文件-导出设置-以600pi分辨率导出为jpg格式，图片两侧存在大量空白，需要到word中裁剪（如使用专门裁剪工具还会降低图片的清晰度）2、我们可以调整matlab图窗的大小（如下图所示，等待外侧图框的角点亮起，然后拖拽某一个角点调整图窗整体大小）4、最后再导出设置，可以发现，导出的图片大小与figure图窗大小一致，而且两侧没有空白区域。3、之后再选中内侧坐标区域，使得

先用GLDAS水文模型的格网产品经过球谐分析得到球谐系数，再经过截断和高斯滤波或者去相关滤波处理得到滤波后的格网，逐格网点求解滤波前后的差异因子。发现经过尺度因子改正之后，泄漏至海洋的信号明显减弱，但是以长江流域为例，求EWH时间序列发现，乘以GRACE/GRACE-FO经过截断和滤波后的格网数据得到尺度因子改正后的解。3、 将GLDAS滤波前和滤波后的格网按时间序列排列进行最小二乘求尺度因子。2

导入 matlab中，为数值矩阵；Excel表格中有类似于如下 年月日对应的数据。

本文介绍如何在Windows10/11系统下使用Anaconda（Python3.8）和Spleeter工具实现音频分离。主要内容包括：1）创建Python3.8独立环境；2）安装必要的音频处理依赖；3）配置Spleeter及TensorFlow环境；4）下载并放置预训练模型；5）设置环境变量；6）执行音频分离操作。该方法无需GPU支持，可将音频分离为人声和伴奏两个音轨，支持mp3/wav/mp4

本文介绍如何在Windows10/11系统下使用Anaconda（Python3.8）和Spleeter工具实现音频分离。主要内容包括：1）创建Python3.8独立环境；2）安装必要的音频处理依赖；3）配置Spleeter及TensorFlow环境；4）下载并放置预训练模型；5）设置环境变量；6）执行音频分离操作。该方法无需GPU支持，可将音频分离为人声和伴奏两个音轨，支持mp3/wav/mp4

Kusche 等（2007）从时变重力场模型球谐系数求解出发，对球谐系数的最小二乘解的法方程组应用贝叶斯估计，构造了 DDK 滤波。

找到缺失值NaN赋值为0。利用冯伟老师的“GRACE_Matlab_Toolbox-master”工具包绘制全球格网图。%截取1901年的数据。%将数据中的缺省值替换为0。下载对应水文分量的”nc4”文件，以TWS为例，利用如下matlab代码读取。

首先以等效水柱高形式绘制测量信号的阶方差图像，再运用上述前两个公式进行最小二乘拟合，求得拟合参数a、b、c、d，最后利用第三公式计算滤波系数h（注意：对于最大阶数60的球谐产品，上述第一个公式适用于0-20阶，第二个公式适用于31-60阶数）示例代码中滤波半斤r0=200km、r1=300km、选定的次m1=15，绘制滤波系数图如下。

以GLDAS数据为例，展示利用IDM软件进行批量下载