資源整理。
1 Coding:
1.基于Python和Matplotlib的日歷熱圖。
2.這是一個獨立的（Python / Flask）和基于Lambda的動態(tài)控件，用于S3托管的GeoTIFF。 它也是一組用于轉(zhuǎn)碼和以其他方式準(zhǔn)備柵格數(shù)據(jù)以供渲染器渲染的實用程序。
3.GOLEM是一種數(shù)值模擬模型，用于對故障地?zé)醿又械臒?- 水 - 機械耦合過程進行建模。
4.了解如何在一般情況下或在多個案例研究數(shù)據(jù)科學(xué)課程中使用該庫。
5.R語言包uscolleges，提供了美國大學(xué)數(shù)據(jù)。
6.統(tǒng)計給定多邊形內(nèi)有多少地圖瓦片。
7.PyLogit是一個Python包，用于執(zhí)行條件logit模型和類似離散選擇模型的最大似然估計。
8.利用 Katib 在 Kubernetes 上進行分布式 TF 訓(xùn)練調(diào)超參。
9.R語言包geosphere，用于地理應(yīng)用的球面三角學(xué)。 也就是說，計算角度（經(jīng)度/緯度）位置的距離和相關(guān)度量。
10.GPEDM的目標(biāo)是為經(jīng)驗動態(tài)建模應(yīng)用高斯過程回歸的可訪問包。
11.R語言包OSMTools，用于OSM過濾器和OSM的R包裝器轉(zhuǎn)換和從geofabrik下載的功能。 該軟件包可以更輕松地下載和使用帶有R的大型Open Street Map文件。
12.R語言數(shù)據(jù)例子。
13.分析Landsat代表河流流量頻率分布的能力的代碼集合。
14.2019年明斯特開放GeoHub暑期學(xué)校機器學(xué)習(xí)和遙感會議的資源。
15.《Python Parallel Programming Cookbook》中文版。
python parallel programming cookbook cn
16.R語言包heplots，可視化多元線性模型中的假設(shè)檢驗。
17.R語言包MapSuite，用于隨時間或其他維度制作分層地圖的R包。
18.一本書，書名為掌握shiny。
19.Companion網(wǎng)頁上的“機器學(xué)習(xí)數(shù)學(xué)”一書。
20.Python包climpred，用于分析氣候預(yù)測的集合預(yù)報模型的xarray包裝器。
21.R語言包GeoDist，約束距離計算和相關(guān)的地理工具。
22.數(shù)據(jù)科學(xué)與機器學(xué)習(xí)2018年10月后Tera倉庫。
23.100+的Python編程挑戰(zhàn)練習(xí)。
24.這包含運行Tcl 8.6應(yīng)用程序所需的大多數(shù)軟件包。 它基于Ubuntu中可用的軟件包的安裝。
25.R語言包vioplot，小提琴圖拓展包。
26.基于BFAST算法的Landsat像素時間序列的斷點檢測，作為shiny app提供。
27.Python包seaborn，基于matplotlib，使用matplotlib進行統(tǒng)計數(shù)據(jù)可視化。
28.墨爾本的自行車網(wǎng)絡(luò)地圖。
29.Docker化的cartodb。
30.R語言包googleComputeEngineR,googleComputeEngineR為Google Cloud Compute Engine API提供了一個R接口，用于啟動虛擬機。 它希望盡可能輕松地為R部署云資源，并包含一些特殊的模板來啟動特定于R的資源，例如RStudio，Shiny和OpenCPU，其中包含來自本地R會話的幾行。
31.R語言包geotidy，清洗處理空間數(shù)據(jù)利器。
32.碩士論文 - 用于野生動物監(jiān)測的云計算機視覺。
33.這是貝葉斯統(tǒng)計使用Stan的存儲庫。
34.一個個人網(wǎng)站，做得很不錯。
35.使用Vega-Lite和Altair的交互式筆記本數(shù)據(jù)可視化課程。
36.關(guān)于Python，OpenGL和科學(xué)可視化的開放式訪問書。
37.100個numpy練習(xí)例子。
38.AWS Lambda + rio-tiler從任何Web托管文件提供切片。
39.hugo網(wǎng)頁主題,看著就是學(xué)術(shù)主頁的那個主題。
40.WebAssembly隨機模擬算法
41.使用python和matplotlib進行科學(xué)可視化的開放式訪問書。
42.一款圖形界面的百度網(wǎng)盤不限速下載器，支持 Windows、Linux 和 Mac。
43.hugo網(wǎng)頁主題whisper。
44.基于TensorFlow的開源庫，用于預(yù)測知識圖中概念之間的鏈接。AmpliGraph是一套用于關(guān)系學(xué)習(xí)的神經(jīng)機器學(xué)習(xí)模型，它是機器學(xué)習(xí)的一個分支，用于處理知識圖上的監(jiān)督學(xué)習(xí)。
45.關(guān)于足球的分析數(shù)據(jù)。
46.PyEarth的課程資料：Python地球科學(xué)概論。
47.為現(xiàn)代網(wǎng)絡(luò)打造的永恒Twitter Bootstrap主題。
48.R語言包details，為markdown文檔創(chuàng)建詳細信息塊。
49.看著應(yīng)該是Google Earth Engine的學(xué)習(xí)倉庫。
50.博士學(xué)位論文的詞云。
51.學(xué)習(xí)maple的筆記。
52.用于創(chuàng)建關(guān)于美國中風(fēng)死亡率的地圖的數(shù)據(jù)和代碼。
53.Matplotlib動畫變得簡單。
54.geoserver的docker容器。
55.Cookiecutter數(shù)據(jù)科學(xué)。用于執(zhí)行和共享數(shù)據(jù)科學(xué)工作的合理，合理標(biāo)準(zhǔn)化但靈活的項目結(jié)構(gòu)。
56.工業(yè)級聯(lián)合學(xué)習(xí)框架。
2 Paper:
準(zhǔn)確的城市土地覆蓋數(shù)據(jù)集對于繪制城市環(huán)境至關(guān)重要。然而，一系列覆蓋城市環(huán)境特征超過15年的國家城市土地覆蓋數(shù)據(jù)相對較少。在這里，我們提出了一個關(guān)于遙感城市土地利用/覆蓋分類的層次化原則，用于繪制城市內(nèi)部結(jié)構(gòu)/組成動態(tài)。中國的土地利用/覆蓋數(shù)據(jù)集（CLUD）更新，描繪了城市的不透水性，綠色表面，水體和裸地條件。一個名為CLUD-Urban的新數(shù)據(jù)子集創(chuàng)建于2000年至2015年，間隔為五年，中等空間分辨率（30米）。第一步是從CLUD中提取覆蓋城市區(qū)域的矢量邊界的先決條件。然后提出了一種新的方法，使用城市不透水面積（ISA）和基于Google Earth Engine大數(shù)據(jù)平臺從Landsat圖像中反演的年度最大歸一化差值植被指數(shù)（NDVI）值之間的邏輯回歸。中國國家ISA和城市綠地（UGS）分數(shù)數(shù)據(jù)集的生成分辨率為30米，2000年至2015年為5年。國家城市地區(qū)的總體分類準(zhǔn)確率為92％。 ISA和UGS分數(shù)的均方根誤差值分別為0.10和0.14。CLUD-Urban可用于增強我們對城市化對生態(tài)和區(qū)域氣候條件以及城市居民環(huán)境影響的理解。 CLUD-Urban可用于未來的城市環(huán)境研究和實踐研究。中國2000-2015年全國30 m土地覆被數(shù)據(jù)，發(fā)表于地學(xué)Top雜志Earth System Science Data上，來自地理所匡文慧老師的成果?；贕oogle Earth Engine產(chǎn)出的大成果。分析了城市不透水面和綠地的變化。數(shù)據(jù)下載見原文鏈接。
地表太陽輻照度（SSI）是決定地表 - 大氣相互作用，驅(qū)動輻射，水文和地表過程的關(guān)鍵參數(shù)，因此可以極大地影響天氣和氣候。因此，它是許多研究和應(yīng)用的先決條件。估計衛(wèi)星的SSI始于20世紀(jì)60年代，目前是將SSI時空分布從區(qū)域尺度映射到全球尺度的主要方法。從過去幾十年進行的歷史研究概述開始，本文回顧了近年來在方法學(xué)，驗證和產(chǎn)品方面取得的進展。首先，介紹了SSI在各種研究或應(yīng)用中的要求以及SSI衛(wèi)星估計的理論背景。然后總結(jié)了估算衛(wèi)星SSI的方法及其優(yōu)點和局限性。討論了基于衛(wèi)星的SSI在兩個典型空間尺度上的驗證，然后簡要描述了現(xiàn)有產(chǎn)品及其精度。最后，分析了當(dāng)前SSI衛(wèi)星估計所面臨的挑戰(zhàn)，并提出了未來可能的改進建議。該綜述不僅更新了Pinker等人的綜述文章（1995）關(guān)于衍生SSI的衛(wèi)星方法，但也提供了相關(guān)研究和應(yīng)用的更全面的總結(jié)。李新老師團隊的成果，發(fā)表于遙感界Top雜志RSE上，關(guān)于衛(wèi)星的地表太陽輻照度反演的綜述。是一篇很好的綜述文章，由于太陽輻照度是影響陸氣耦合相互作用，驅(qū)動輻射、水文和地表過程的關(guān)鍵參數(shù)，在當(dāng)前氣候變化背景下是非常重要的參數(shù)，這篇文章為這方面的研究提供了很好的總結(jié)。
眾所周知，可用能量（即，凈輻射減去地面熱通量）通常比通過渦動協(xié)方差法測量的湍流通量之和大10-30％。盡管現(xiàn)場觀測和先前的大渦模擬研究表明，地表異質(zhì)性可以引起通量不平衡，但是通量不平衡量值與地表異質(zhì)性的尺度效應(yīng)之間的關(guān)系仍有待更詳細地研究。在這里，我們研究了在干燥自由對流邊界層中以不同地表異質(zhì)性的尺度為特征的景觀的通量不平衡。我們揭示了通量不平衡最初隨著地表異質(zhì)性尺度的增加而增加。然而，當(dāng)?shù)乇懋愘|(zhì)性尺度變得大于邊界層高度時，表面開始表現(xiàn)為局部均勻，這導(dǎo)致較低的通量不平衡?；诖鬁u模擬結(jié)果，我們提出了一個概念模型來解釋域平均通量不平衡如何受到地表異質(zhì)性的影響。發(fā)現(xiàn)通量不平衡受邊界層高度與奧布霍夫長度的比值（-zi / L），垂直速度的積分長度尺度（lw），平均水平速度（U）和時間平均的控制。間隔（T）。在這四個變量中，lw確定湍流相干結(jié)構(gòu)的大?。创鬁u旋），而-zi / L影響這些大渦旋的形式。同時，U和T確定渦旋協(xié)方差可以采樣多少這些大漩渦。這一發(fā)現(xiàn)表明，在對流條件下使用這四個變量可以診斷通量不平衡。分析了自由對流通量不平衡與地表異質(zhì)性尺度效應(yīng)的關(guān)系，李新老師團隊成果，發(fā)表于JGR atmosphere上，從景觀尺度上，結(jié)合渦度協(xié)方差數(shù)據(jù)分析了通量不平衡是如何受到地表異質(zhì)性尺度效應(yīng)影響的。并提出了一個概念模型。這將對未來生態(tài)水文，蒸散方面的研究提供一些升尺度或降尺度上的先驗知識。
在這項工作中，我們描述并實施了意大利北部PM10污染數(shù)據(jù)的數(shù)據(jù)同化方法。這是通過結(jié)合觀測和化學(xué)傳輸模型的最佳可用信息來完成的。具體而言，通過（1）結(jié)合PM10表面每日濃度和來自CAMS（哥白尼大氣監(jiān)測服務(wù)）整體的模型結(jié)果; （2）通過數(shù)據(jù)正則化方法將預(yù)測修正從觀測位置擴展到模型預(yù)測所涵蓋的整個網(wǎng)格域。根據(jù)當(dāng)?shù)丨h(huán)境保護局在169個站點測量的獨立PM10觀測結(jié)果進行了驗證。 2017年1月至12月，在空氣污染模型結(jié)果的時間和空間上進行了12個月的觀測。研究領(lǐng)域包括Po Valley，這是歐洲污染最嚴(yán)重的地區(qū)之一，但仍然不符合年平均濃度的空氣質(zhì)量標(biāo)準(zhǔn)和顆粒物質(zhì)允許的最大超標(biāo)數(shù)量。發(fā)現(xiàn)原始模型數(shù)據(jù)受到具有強烈季節(jié)依賴性的偏差的影響：冬季的負偏差較大，夏季的偏差較小。嵌入貝葉斯分層方法的數(shù)據(jù)同化方法能夠大大減少偏差。此外，基于變分貝葉斯方法的先進計算方法結(jié)合Kullback-Leibler散度的最小化以近似最優(yōu)解，使得在整個考慮期間成本有效地同化數(shù)據(jù)成為可能。通過使用分層交叉驗證來測試我們預(yù)測的準(zhǔn)確性，我們發(fā)現(xiàn)樣本外的R2（= 0.83）和均方根誤差平均減少約三分之二。同化數(shù)據(jù)用于產(chǎn)生每日解決的累積人口暴露。與世界衛(wèi)生組織定義的臨時目標(biāo)（IT）相關(guān)的Po Valley實現(xiàn)了IT-2水平，也就是說年平均濃度低于50μg/m3，但仍然很遠從IT-3水平，相當(dāng)于年平均濃度低于30微克/立方米。此外，大部分地區(qū)仍然有很多天的平均日濃度高于50微克/立方米，遠高于歐洲和意大利立法規(guī)定的最高限量35天。我們的研究結(jié)果表明，PM10可以使用這種同化方法可靠地再現(xiàn)，結(jié)合不同的信息來源，以便在空間和時間上均勻的區(qū)域內(nèi)對空氣質(zhì)量進行全面診斷。這篇文章提出了一種融合觀測數(shù)據(jù)和化學(xué)傳輸模式的數(shù)據(jù)同化方法，是變分貝葉斯的計算方法，能有效提升空氣污染制圖的精度，這樣子的方法也會為后續(xù)的研究提供參考。此外，這篇文章還結(jié)合WHO的目標(biāo)來評估人口暴露的問題。
5.Spatiotemporal analysis of multiscale income mobility in China/中國多尺度收入流動的時空分析
收入流動是一個重要的問題，可以平衡經(jīng)濟發(fā)展中的公平和效率。具體而言，收入流動性是解決收入不平等問題的最有效指標(biāo)之一，也是判斷經(jīng)濟發(fā)展活力的有用標(biāo)準(zhǔn)。鑒于區(qū)域收入差距越來越大，區(qū)域收入流動性研究對中國尤為重要?？紤]到收入分配的規(guī)模依賴性，本文探討了1985年至2015年的多個范圍內(nèi)的區(qū)域收入流動，包括整合了全局流動性關(guān)聯(lián)指標(biāo)（GIMA）和一個地方家庭的分析框架。流動關(guān)聯(lián)指標(biāo)（LIMAs）。結(jié)果可以通過結(jié)合相應(yīng)的區(qū)域經(jīng)濟政策，公平，全面地評估多尺度區(qū)域收入流動的水平?；诎藗€經(jīng)濟區(qū)，區(qū)域內(nèi)的一致性和區(qū)域間流動性是過去幾十年中國收入流動的主要特征。本文的結(jié)論是，旨在增加中國收入流動性的政策應(yīng)該加速區(qū)域經(jīng)濟一體化，發(fā)展主導(dǎo)城市，推動全省經(jīng)濟發(fā)展。這篇文章整合了一個全局流動性關(guān)聯(lián)指標(biāo)和地方家庭分析框架，分析中國當(dāng)前收入流動性問題，并進行了多尺度評估，收入流動性牽扯到當(dāng)前中國區(qū)域發(fā)展和收入不平等問題，是一個非常好的研究題材，尤其在即將接近全面小康目標(biāo)年份的這個時間段，這樣的研究是非常有意義的，但是結(jié)果也表明當(dāng)前中國區(qū)域經(jīng)濟差異是逐年增大，如何在現(xiàn)在的情況下發(fā)展區(qū)域經(jīng)濟是接下來的關(guān)鍵問題。
地表蒸散（ET）是地表能量預(yù)算和水循環(huán)的重要組成部分。為了解決站點觀測與遙感ET之間空間尺度不匹配的問題，有必要找到最合適的放大方法來獲取衛(wèi)星像元尺度的地面實際ET數(shù)據(jù)?；诤诤恿饔蛑杏魏拖掠蝺蓚€通量觀測矩陣的數(shù)據(jù)集，通過直接驗證和交叉驗證對六種升尺度方法進行了比對。結(jié)果表明，面積加權(quán)法比引入輔助變量的其他五種升級方法表現(xiàn)更好（綜合Priestley-Taylor方程，加權(quán)面積 - 面積回歸克里格法[WATARK]，人工神經(jīng)網(wǎng)絡(luò)，隨機森林[RF]，在均勻的下層表面上的深層信念網(wǎng)絡(luò)方法。在中度異質(zhì)的下層表面上，WATARK方法表現(xiàn)更好。然而，RF方法在高度異質(zhì)的下層表面上表現(xiàn)更好。提出了一種組合方法（分別使用面積加權(quán)和WATARK方法用于均勻和中等異質(zhì)下伏表面，并使用RF方法用于高度異質(zhì)的下伏表面）以獲取衛(wèi)星像元尺度下的日常地面實際ET數(shù)據(jù)，以及評估了地面實際ET數(shù)據(jù)中的錯誤。雙溫差（DTD）和ETMonitor使用地面實際ET數(shù)據(jù)進行驗證，這解決了空間尺度不匹配的問題并量化了驗證過程中的不確定性。比較了六種ET升尺度方法，研究表明，結(jié)合ET的地表異質(zhì)性來進行分層估計會比任意一種通用的估計具有更高精度。同時在尺度上推過程中，也可以量化不確定性。非常不錯的一篇關(guān)于ET升尺度的論文。
7.Increased atmospheric vapor pressure deficit reduces global vegetation growth/大氣水汽壓不足減緩了全球植被的生長
大氣水汽壓（VPD）不足是決定植物光合作用的關(guān)鍵變量。 四個全球氣候數(shù)據(jù)集的綜合揭示了20世紀(jì)90年代后期VPD的急劇增加。 作為回應(yīng)，由衛(wèi)星衍生的植被指數(shù)（GIMMS3g）表明的植被綠化趨勢在20世紀(jì)90年代末期之前已經(jīng)明顯，隨后被停滯或逆轉(zhuǎn)。 由兩個基于衛(wèi)星的模型（修訂的EC-LUE和MODIS）產(chǎn)生的陸地凈初級生產(chǎn)力在20世紀(jì)90年代后期之后由于VPD增加而表現(xiàn)出持續(xù)和廣泛的減少，這抵消了正CO2施肥效應(yīng)。 六個地球系統(tǒng)模型一直預(yù)測整個本世紀(jì)VPD的持續(xù)增長。 我們的研究結(jié)果強調(diào)，應(yīng)充分考慮VPD對植被生長的影響，以評估生態(tài)系統(tǒng)對未來氣候條件的反應(yīng)。來自北京大學(xué)樸世龍老師團隊的成果，發(fā)表于Science Advance上，主要探究的是VPD對于全球植被NPP的影響，樸老師近年來一直關(guān)注氣候變化對于NPP的影響，事實上從植被生態(tài)過程模型建模角度而言，VPD本身也是一個關(guān)鍵輸入?yún)?shù)，因此它對于植被生長的作用不言而喻?？剂縑PD對于NPP的影響，也將是未來的重要的研究領(lǐng)域和方向。
大數(shù)據(jù)的出現(xiàn)使我們能夠通過應(yīng)用情感計算從統(tǒng)計角度評估各種人類情感。在這項研究中，提出了一種從不同地方的大規(guī)模地理參考照片中提取人類情感的新框架。在基于在社交媒體網(wǎng)站中收集的用戶生成的足跡的空間聚類構(gòu)建場所之后，利用在線認知服務(wù)利用最先進的計算機視覺技術(shù)從面部表情中提取人類情感。并且定義了兩個幸福指標(biāo)用于測量不同地方的人類情緒。為了驗證該框架的可行性，我們以全球80個旅游景點為例，根據(jù)從超過600萬張照片中檢測到的200多萬張面孔計算出的人類情感，生成了一個幸福排名列表?？紤]不同種類的地理環(huán)境，找出人類情感與環(huán)境因素之間的關(guān)系。結(jié)果表明，不同地方的大部分情緒變化可以用開放性等幾個因素來解釋。該研究可以提供關(guān)于整合人類情感的見解，以豐富對地理和基于地點的GIS的地方感的理解。大數(shù)據(jù)時代下衍生出來的社交媒體地理學(xué)的一篇文章，非常不錯的一個研究，利用計算機視覺技術(shù)結(jié)合在線API對人類情感分析，這種研究是在這個大數(shù)據(jù)時代才有可能出現(xiàn)的研究，非常有意思。也響應(yīng)了劉瑜老師的Social Sensing。
本文介紹了集成卡爾曼濾波器（EnKF）技術(shù)在將被動微波遙感觀測同化為地表模型中的應(yīng)用，以提高雪深（SD）的可預(yù)測性。目前在日本氣象廳（JMA）開發(fā)的基于簡單生物圈模型（SiB）的新地表模型被用作預(yù)測積雪變化的正演模型。分層積雪的微波發(fā)射模型（MEMLS）用作觀測算子，將模型預(yù)測轉(zhuǎn)換為相應(yīng)的衛(wèi)星亮度。采用協(xié)調(diào)增強觀測期（CEOP）亞洲 - 澳大利亞季風(fēng)項目（CAMP）東西伯利亞大河地區(qū)2002年11月至2003年3月的數(shù)據(jù)應(yīng)用同化系統(tǒng)。數(shù)據(jù)集包括JMA-GSM模型輸出，用作強迫數(shù)據(jù)，從先進的微波掃描輻射計（AMSR-E）和現(xiàn)場雪深（SD）觀察衛(wèi)星亮度溫度觀測和當(dāng)前AMSR-E雪深產(chǎn)品進行比較。同化結(jié)果與該地區(qū)積雪深度觀測點的數(shù)據(jù)吻合良好，改善了地表模型的預(yù)測。此外，與AMSR-E SD產(chǎn)品的比較表明，同化結(jié)果也與原位積雪深度觀測結(jié)果更吻合。將被動微波亮度溫度數(shù)據(jù)同化到陸面模型里提高積雪深度的可預(yù)測性。同樣是李新老師團隊的成果，積雪深度的精準(zhǔn)反演對于當(dāng)前氣候變化情景研究具有非常重要的意義，這一方面李新老師團隊做了很多很不錯的工作（黑河計劃），這一篇將目前新的微波遙感觀測數(shù)據(jù)與陸面模型進行數(shù)據(jù)同化，改進了陸面模型的預(yù)測。
感知車道水平或車道級交通狀況不僅使導(dǎo)航系統(tǒng)能夠為用戶提供更詳細和更細粒度的信息，還可以提高搜索最快路線和短期交通狀況預(yù)測的準(zhǔn)確性。出租車GPS數(shù)據(jù)的廣泛收集和應(yīng)用使我們能夠大規(guī)模地感知城市交通流量。由于當(dāng)前GPS定位精度不能達到車道水平，因此使用GPS軌跡數(shù)據(jù)的現(xiàn)有方法僅分析道路水平的交通狀況。雖然一些研究試圖使用車道級數(shù)據(jù)檢測車道級交通狀況，但數(shù)據(jù)收集的高成本大大限制了它們的實際應(yīng)用。為了解決這一局限性，本文提出了一種在車道水平上檢測出租車GPS軌跡的交通擁堵的方法。在分析GPS軌跡特征和識別有效軌跡段的基礎(chǔ)上，該方法檢測三種不同強度的擁擠軌跡段。然后，它通過聚類方法識別每個轉(zhuǎn)彎方向上的擁堵事件。最后，探討和分析了中國武漢市道路交叉口擁堵強度，擁擠發(fā)生時間和每個轉(zhuǎn)彎方向的隊列長度。結(jié)果支持這種方法用于檢測和分析車道水平的交通擁堵的可行性。與使用GPS軌跡數(shù)據(jù)檢測交通擁堵的其他方法相比，所提出的方法在更細粒度的水平（車道水平）分析擁堵。與檢測車道級別的交通擁堵的其他方法相比，所提出的方法可以在更大的區(qū)域上以更低的成本感測交通擁堵。武大唐爐亮老師團隊的成果，利用出租車的GPS軌跡數(shù)據(jù)在車道水平來進行交通擁堵的分析。通過聚類方法識別出車道水平的擁堵狀況，很不錯的研究。
11.Fine-grained analysis on fuel-consumption and emission from vehicles trace/對車輛燃料消耗和排放的細粒度分析
與交通有關(guān)的燃料消耗和排放是一個嚴(yán)重的問題，對人類健康和城市可持續(xù)性產(chǎn)生不利影響。 GPS軌跡數(shù)據(jù)可以提供有關(guān)燃料消耗和排放的數(shù)量和分布的有用見解。以前的研究主要集中在利用GPS軌跡數(shù)據(jù)來理解燃料消耗和排放的時空分布，但沒有充分注意估計的準(zhǔn)確性。因此，本研究提出了一種方法，該方法基于對車輛移動活動，發(fā)動機靜止活動和發(fā)動機關(guān)閉靜止活動的分析來估計細粒度的車輛燃料消耗和排放。利用時空地理學(xué)中的時空路徑分析框架，本研究首先建立了單個車輛的時空路徑，提取移動參數(shù)并分析每個時空路徑段（STPS）的活動?；诨顒臃治?，我們使用微觀模型（CMEM）估算燃料消耗和排放，并區(qū)分冷啟動階段和時空路徑中的熱階段。在案例研究中，估算和分析了個別軌跡和道路網(wǎng)絡(luò)的燃料消耗和排放。還探討了與活動有關(guān)的燃料消耗的分布情況。使用從具有各種類型發(fā)動機的車輛收集的三個數(shù)據(jù)集來說明所提出的方法的有效性，估計準(zhǔn)確度超過90％。基于時空地理學(xué)的時空路徑分析結(jié)合微觀排放模型，估算整個區(qū)域的車輛燃料消耗和排放?？梢哉f是綜合微觀模型、時空地理學(xué)和GIS的大數(shù)據(jù)能源消耗排放的模型。
12.Sampling design optimization for soil mapping with random forest/隨機森林土壤制圖抽樣設(shè)計優(yōu)化
機器學(xué)習(xí)技術(shù)被廣泛用于生成數(shù)字土壤圖。地圖精度部分地由用于校準(zhǔn)機器學(xué)習(xí)模型的測量的數(shù)量和空間位置確定。然而，在數(shù)字土壤制圖研究中尚未詳細考慮確定用機器學(xué)習(xí)技術(shù)進行制圖的最佳抽樣設(shè)計。在本文中，我們研究了隨機森林土壤制圖的抽樣設(shè)計優(yōu)化。通過最小化均方預(yù)測誤差（MSE），使用空間模擬退火來優(yōu)化設(shè)計。我們使用這種方法使用LUCAS數(shù)據(jù)集的子樣本繪制歐洲部分地區(qū)的土壤有機碳。優(yōu)化的子樣本用作隨機森林機器學(xué)習(xí)模型的輸入，使用大量易于獲得的環(huán)境數(shù)據(jù)作為協(xié)變量。我們還使用簡單隨機抽樣，條件拉丁超立方抽樣（cLHS），空間覆蓋抽樣和特征空間覆蓋抽樣選擇的子樣本預(yù)測了相同的土壤屬性。通過將用作感興趣群體的LUCAS數(shù)據(jù)集重復(fù)隨機分割成用于驗證，測試和選擇校準(zhǔn)樣品的子集，以及用各種取樣設(shè)計重復(fù)選擇校準(zhǔn)樣品，獲得估計群體MSE的分布。使用非參數(shù)Mann-Whitney檢驗測試MSE分布的中位數(shù)之間的差異的顯著性。對于不同的樣品尺寸重復(fù)該過程。我們還分析了優(yōu)化設(shè)計在地理和特征空間中的傳播，以揭示其特征。結(jié)果表明，通過最小化MSE來優(yōu)化采樣設(shè)計對于小樣本量是值得的。然而，使用MSE進行采樣設(shè)計優(yōu)化的一個重要缺點是它需要在所有位置處的土壤屬性的已知值，因此僅對于對現(xiàn)有數(shù)據(jù)集進行二次采樣是可行的。對于較大的樣本量，使用MSE優(yōu)化設(shè)計的效果會降低。在這種情況下，我們建議在最重要的隨機森林協(xié)變量的特征（即協(xié)變量）空間中均勻地使用樣本。結(jié)果還表明，對于我們的案例研究，cLHS抽樣比其他隨機森林映射的抽樣設(shè)計表現(xiàn)更差。我們強調(diào)，通過僅將數(shù)據(jù)拆分一次來對校準(zhǔn)的采樣設(shè)計進行比較，對于在驗證集很小時使用的數(shù)據(jù)拆分非常敏感。非常有意思的研究，利用機器學(xué)習(xí)技術(shù)來優(yōu)化空間抽樣設(shè)計。利用隨機森林和模擬退化算法的結(jié)合。事實上，不僅僅是在土壤制圖的抽樣，在其他領(lǐng)域可能也可以按照這個思路來做。對空間統(tǒng)計、空間抽樣具有非常好的啟示意義。
在大數(shù)據(jù)時代，有必要提出強大的解決方案來整合和表示來自不同格式和不同內(nèi)容的數(shù)據(jù)，以協(xié)助決策。當(dāng)前的制圖和地理信息系統(tǒng)解決這些問題的能力有限。本文描述了一個自動而全面的系統(tǒng)，可以從所有可能相關(guān)的來源進行數(shù)據(jù)融合。在該系統(tǒng)中，建立新的語義位置模型（SemLM）以呈現(xiàn)語義概念和位置特征并演示位置如何相互關(guān)聯(lián)。在SemLM中，可以分析和理解不同應(yīng)用場景中的各種類型的位置描述符。此外，考慮到數(shù)據(jù)密集型計算和可視化所涉及的挑戰(zhàn)，本文采用基于場所的泛信息系統(tǒng)（P2S）作為創(chuàng)新的4D系統(tǒng)，以公共安全為案例研究，動態(tài)關(guān)聯(lián)和可視化基于位置的信息。語義信息與GIS的結(jié)合模型，空間語義在當(dāng)前大數(shù)據(jù)和深度學(xué)習(xí)背景下是地理大信息和大數(shù)據(jù)整合的關(guān)鍵。
背景：十多年的衛(wèi)星觀測提供了有關(guān)人體接觸細顆粒物（PM2.5）的趨勢和程度的全球信息。目標(biāo)：在這項研究中，我們使用從多個衛(wèi)星儀器推斷的PM2.5濃度，開發(fā)了改進的環(huán)境PM2.5質(zhì)量和趨勢的全球暴露估計值。方法：我們將三個衛(wèi)星衍生的PM2.5源組合在一起，從1998年到2012年，在大約10 km×10 km處產(chǎn)生全球PM2.5估計。對于每個源，我們將氣溶膠光學(xué)深度的總柱回收與近地PM2相關(guān)聯(lián)。 5使用GEOS-Chem化學(xué)傳輸模型來表示局部氣溶膠光學(xué)特性和垂直剖面。我們從文獻中收集了210個全球地基PM2.5觀測資料，以評估我們基于衛(wèi)星的估算值，并在北美和歐洲以外的地區(qū)測量值。結(jié)果：我們估計，從1998年到2012年，全球人口加權(quán)環(huán)境PM2.5濃度增加0.55μg/ m3 /年（95％CI：0.43,0.67）（2.1％/年; 95％CI：1.6,2.6）。盡管在一些發(fā)達地區(qū)降低了PM2.5，但一些發(fā)展中地區(qū)的PM2.5推動了這一全球變化。估計居于世界衛(wèi)生組織（世衛(wèi)組織）臨時目標(biāo)-1之上的東亞人口比例為35微克/立方米，從1998 - 2000年的51％增加到2010 - 2012年的70％。相比之下，超過世界衛(wèi)生組織空氣質(zhì)量指南10μg/ m3的北美比例從1998 - 2000年的62％下降到2010 - 2012年的19％。我們發(fā)現(xiàn)在北美和歐洲以外的衛(wèi)星估算和地面測量之間存在顯著的一致性（r = 0.81; n = 210;斜率= 0.68）。衛(wèi)星推測估計值的低偏差表明真正的全球濃度可能更大。結(jié)論：衛(wèi)星觀測可以深入了解環(huán)境PM2.5濃度的全球長期變化。本研究中的衛(wèi)星估算和基于地面的PM2.5觀測結(jié)果可供公眾使用。這篇文章使用了多個衛(wèi)星反演的PM2.5、化學(xué)傳輸模式以及地基觀測資料，評估了不同區(qū)域的PM2.5濃度長期變化，也稍微評估了人口暴露。
15.Regional development and carbon emissions in China/中國的區(qū)域發(fā)展和碳排放
中國在2015年巴黎氣候變化大會上宣布，該國將在2030年左右達到峰值碳排放量。從那時起，人們就開始關(guān)注確定何時以及如何實現(xiàn)這一目標(biāo)。本研究旨在探討中國不斷變化的區(qū)域發(fā)展模式在實現(xiàn)這一目標(biāo)中的作用。本研究使用對數(shù)平均Divisia指數(shù)（LMDI）來估算自2000年以來中國二氧化碳排放變化的七個社會經(jīng)濟驅(qū)動因素。結(jié)果表明，中國的碳排放量自2012年以來已經(jīng)穩(wěn)定，主要是因為能源效率的提高和結(jié)構(gòu)升級（即，產(chǎn)業(yè)結(jié)構(gòu)，能源結(jié)構(gòu)和區(qū)域結(jié)構(gòu)）。以省級經(jīng)濟增長份額衡量的區(qū)域結(jié)構(gòu)自2012年以來大幅減少了二氧化碳排放量。由于區(qū)域發(fā)展模式不同，這些驅(qū)動因素對各地區(qū)排放變化的影響各不相同。產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)導(dǎo)致一些地區(qū)的排放增長，但這兩個驅(qū)動因素導(dǎo)致國家層面的減排。例如，從2013年到2016年，產(chǎn)業(yè)結(jié)構(gòu)使中國的二氧化碳排放量減少了1.0％;然而，東北和西北地區(qū)的二氧化碳排放量分別增加了1.7％和0.9％。研究中國在區(qū)域?qū)用嫘鲁B(tài)下的二氧化碳排放量的穩(wěn)定性，這強烈建議中國各地區(qū)合作改善發(fā)展模式。關(guān)于分析中國的碳排放分析的文章，關(guān)于探究碳排放達峰以及相關(guān)的影響因素。
長期暴露于空氣污染被認為是一個主要的公共衛(wèi)生問題，并且與總體死亡率和各種疾病如呼吸系統(tǒng)疾病和心血管疾病有關(guān)。由于空氣污染濃度的空間變化，個人暴露于空氣污染的評估需要高分辨率的空間數(shù)據(jù)集。將詳細的空氣污染圖與個人移動性和活動模式相結(jié)合，可以改進暴露評估。我們?yōu)楹商m提供高分辨率數(shù)據(jù)集，提供2009年NO2，NOx，PM2.5，PM2.5吸收和PM10的平均環(huán)境空氣污染濃度值。 5×5米網(wǎng)格上的柵格數(shù)據(jù)集覆蓋整個荷蘭，并使用源自歐洲空氣污染影響群組研究（ESCAPE）項目的土地利用回歸模型進行計算。使用具有全國和區(qū)域測量的其他數(shù)據(jù)集來評估生成的濃度圖。所呈現(xiàn)的數(shù)據(jù)集允許在不同尺度上的空間聚合，全國范圍的個體暴露評估，以及活動模式在個體的暴露估計中的整合。5×5米網(wǎng)格的荷蘭的空氣污染濃度數(shù)據(jù)，基于土地利用回歸模型得到的。數(shù)據(jù)文章。
夏季熱浪對中國的公共衛(wèi)生構(gòu)成了巨大威脅。本文以武漢（中國四大最熱的熔爐城市之一）為例，探討了緩解地表溫度測量的地表城市熱島（UHI）的幾種策略，包括使用綠色屋頂，冷屋頂，明亮路面和城市建筑模式的變化。離線城市化高分辨率陸地數(shù)據(jù)同化系統(tǒng)（u-HRLDAS）用于進行1公里分辨率的數(shù)值模擬，這也解釋了武漢豐富的湖泊對動態(tài)湖泊模型的UHI演化的影響。在不同的減緩策略下，分析了模擬UHI的日變化和空間分布。結(jié)果表明，考慮到湖泊效應(yīng)會使白天（夜間）的UHI強度降低約1.0 K（0.5 K）。采用綠色屋頂和涼爽的屋頂比使用明亮的路面更有效地減少白天的UHI。通過用綠色屋頂取代80％的傳統(tǒng)屋頂，當(dāng)?shù)貢r間13:00的最大UHI減少量約為2.1 K.隨著綠色屋頂?shù)拇蟛糠?，以及屋頂和道路的反照率增加，UHI減緩效率增加。與綠色屋頂相比，涼爽的屋頂和明亮的路面在夜間無效，改變城市建筑模式以減輕UHI在全天都是有效的。 “高度驅(qū)動的建筑結(jié)構(gòu)變化”（提高建筑物高度，同時改變每個網(wǎng)格中不透水面的比例以保持總建筑體積完整）可以將表面UHI強度降低0.4-0.9 K，并且“密度驅(qū)動”建筑結(jié)構(gòu)變化“（均勻分布建筑密度，修改建筑高度，使總建筑體積不變）將UHI降低1.2-2.6 K.這些結(jié)果顯示了對像武漢這樣的大城市緩解城市熱島的新見解并提供了政策制定者提供一個更適宜居住的城市的實用指南。利用一個城市化的陸地數(shù)據(jù)同化系統(tǒng)，分析當(dāng)前綠色屋頂以及不同城市建筑模式對熱島效應(yīng)的影響。可以為后續(xù)的城市規(guī)劃和建筑指南提供政策建議。
云層覆蓋是光學(xué)衛(wèi)星圖像中的常見問題，其導(dǎo)致圖像中的信息丟失以及數(shù)據(jù)可用性的降低。本文提出了一種基于逐步輻射調(diào)整和殘差校正（SRARC）的厚云去除方法，旨在有效去除高分辨率圖像中的云，以生成高質(zhì)量和空間連續(xù)的城市地理地圖。 SRARC的基本思想是相鄰時間衛(wèi)星圖像中的補充信息可用于在精確的輻射度調(diào)整之后無縫恢復(fù)目標(biāo)圖像中的云污染區(qū)域。為此，SRARC方法首先基于超像素分割來優(yōu)化目標(biāo)圖像的給定云掩模，其進行以確保標(biāo)記的云邊界經(jīng)過目標(biāo)圖像的均勻區(qū)域，以確保無縫重建。然后使用逐步輻射測量來逐步調(diào)整輔助圖像中的互補區(qū)域的輻射信息，并且可以通過用調(diào)整的互補區(qū)域替換來去除目標(biāo)圖像中的云。最后，基于全局優(yōu)化的殘差校正用于進一步減少恢復(fù)區(qū)域和無云區(qū)域之間的輻射差異。然后生成最終的云移除結(jié)果。在模擬和實際數(shù)據(jù)云去除實驗中使用具有不同空間分辨率和土地覆蓋變化模式的高分辨率圖像。結(jié)果表明，由于輻射度調(diào)節(jié)和空間細節(jié)保持的優(yōu)越性，SRARC可以獲得比其他比較方法更好的性能。因此，SRARC是一種有前途的方法，可以常規(guī)使用，支持基于高分辨率衛(wèi)星圖像的應(yīng)用。衛(wèi)星影像的云遮掩是一個很常見的影響衛(wèi)星影像的問題，這篇文章提供了一種專門針對高分辨率衛(wèi)星影像的去云方法，還是比較有意思的方法。
公共應(yīng)用基于無源信號（例如，接收信號強度，磁性）指紋識別的室內(nèi)定位技術(shù)的不可避免的瓶頸之一是構(gòu)建和更新用于室內(nèi)定位的數(shù)據(jù)庫所需的大量人力。在本文中，我們提出了一種精確的視覺 - 慣性集成地理標(biāo)記方法，可以通過利用智能手機用戶的眾包軌跡來收集指紋并構(gòu)建無線電地圖。通過集成來自智能手機傳感器（例如，相機，加速度計和陀螺儀）的多源信息，該系統(tǒng)可以精確地重建軌跡的幾何形狀。提出了一種算法來估計參考坐標(biāo)系中軌跡的空間位置，并構(gòu)建用于室內(nèi)定位的無線電地圖和地理標(biāo)記圖像數(shù)據(jù)庫。在幾個初始參考點的幫助下，該算法可以在未知的室內(nèi)環(huán)境中實現(xiàn)，而無需任何先驗知識的布局規(guī)劃或眾包軌跡的初始位置。實驗結(jié)果表明，指紋的平均校準(zhǔn)誤差為0.67 m。加權(quán)k-最近鄰方法（沒有任何優(yōu)化）和圖像匹配方法用于評估構(gòu)建的多源數(shù)據(jù)庫的性能?；诮邮招盘枏姸龋≧SS）的室內(nèi)定位和基于圖像的定位的平均定位誤差分別為3.2米和1.2米，表明構(gòu)建的室內(nèi)無線電地圖的質(zhì)量與現(xiàn)場測量建設(shè)的質(zhì)量處于同一水平。 與傳統(tǒng)的基于定位成本的現(xiàn)場調(diào)查相比，該系統(tǒng)可以大大降低人力成本，外部信息最少。李清泉老師團隊的成果，關(guān)于室內(nèi)地圖和眾包數(shù)據(jù)的研究。室內(nèi)導(dǎo)航是未來的GIS研究的重要組成。
20.Model-data fusion in the studies of terrestrial carbon sink/地面碳匯研究中的模型數(shù)據(jù)融合
量化全球碳預(yù)算的當(dāng)前不確定性仍然是可靠預(yù)測未來氣候變化的主要不確定因素。 此外，量化全球碳預(yù)算和表征不確定性對于成功實施“聯(lián)合國氣候變化框架公約”及其“京都議定書”至關(guān)重要。 除了基本量化之外，負責(zé)所謂“殘留陸地吸收”的過程的歸屬對于碳循環(huán)群體模擬陸地生物圈對氣候變化和有意封存活動的未來響應(yīng)的能力非常重要。 本文的目的是描述研討會參與者的努力及其模型 - 數(shù)據(jù)融合的方法，使量化碳循環(huán)和工作中的陸地機制的解決方案能夠持續(xù)取得進展。全球碳預(yù)算依賴于全球碳匯的估算，但是碳匯估算存在大量生態(tài)過程模型、衛(wèi)星遙感反演方法，因此如何融合模型數(shù)據(jù)是一個非常關(guān)鍵的研究。這篇文章能提供碳匯方面的研究基礎(chǔ)。
