資源整理，接上篇，本篇是論文。
Paper:
高時空分辨率衛(wèi)星數(shù)據(jù)對于植被指數(shù)的反演是必要的，例如歸一化差異植被指數(shù)（NDVI），將被納入CASA模型中，用于凈初級生產力（NPP）估算，尤其是生長季節(jié)。然而，當前的遙感數(shù)據(jù)無法準確地監(jiān)測高時空分辨率下的植被變化。為了考慮時間和空間信息，已經開發(fā)了時空融合模型以從高時間分辨率數(shù)據(jù)（例如，MODIS）獲得時間信息以及來自高空間分辨率數(shù)據(jù)（例如，Landsat）的空間信息。本文首先利用時空融合模型生成具有Landsat數(shù)據(jù)空間分辨率和MODIS數(shù)據(jù)時間分辨率的合成NDVI圖像。接下來，從合成的NDVI時間序列數(shù)據(jù)中提取物候特征，以提高土地覆蓋分類的準確性。最后，我們評估了將合成NDVI和土地覆蓋分類圖同化到用于合成NPP估計的CASA模型的方法。結果表明，合成NPP的準確性優(yōu)于非融合NDVI數(shù)據(jù)的NPP估計，提高土地覆蓋分類精度可提高合成NPP估算的準確性。此外，月度合成NPP與當前和上個月的溫度，降雨量和太陽輻射顯示出顯著的指數(shù)關系。時空影像融合在對地觀測的進一步應用。用于CASA模型和NPP估算。
2.Weighing trees with lasers: Advances, challenges and opportunities/用激光稱重樹木：進步，挑戰(zhàn)和機遇
地面激光掃描（TLS）正在提供令人興奮的新方法來量化樹木和森林結構，特別是地上生物量（AGB）。我們展示了TLS如何解決當前估算AGB的方法的一些關鍵不確定性和局限性，這些方法基于支持所有AGB大規(guī)模估計的經驗異步縮放方程（ASE）。 TLS提供非常詳細的樹形無損測量，與樹木大小和形狀無關。我們展示了來自各種熱帶和溫帶森林的三維（3D）TLS測量的示例，并描述了如何使用所得到的TLS點云來生成分支和樹干大小，形狀和分布的定量3D模型。這些模型可以極大地改善AGB的估計，提供新的，改進的大規(guī)模ASE，并提供與結構相關的一系列基本樹屬性的見解。個別3D樹結構的大量詳細測量也有可能在測量困難迄今為止阻止統(tǒng)計方法檢測和理解尺度，形式和功能的基本模式的領域中開辟新的和令人興奮的研究途徑。我們將討論這些機遇以及仍需克服的一些挑戰(zhàn)，以便更廣泛地采用TLS方法。關于激光雷達用于地上生物量AGB的一篇綜述性的文章。LiDAR在森林生物量上具有很強的潛力，但是目前為止昂貴的激光雷達設備是限制進一步發(fā)展的原因。如何有效結合LiDAR，SAR，光學遙感好地面觀測是關鍵點。
北極地區(qū)積雪的空間分布和時間動態(tài)對區(qū)域能量平衡和水文循環(huán)有直接影響。然而，由于原位測量的稀疏性，我們對北極地區(qū)積雪的知識非常有限。本研究提出了一種通過跟蹤冰，云和陸地高度衛(wèi)星（ICESat）重復高度測量觀測測量的許多冰凍北極湖泊的表面高度變化來推導北極地區(qū)積雪信息的新方法。大陸表面的原始ICESat高程產品是通過跟蹤發(fā)射的質心和返回的激光波形生成的。由于薄云和吹雪引起的散射效應，該產品在冰凍的北極湖面上包含許多偏差測量值。該研究推導出一種操作方法，通過將高程測量從質心方案轉換為最大振幅峰值方案，產生更可靠的高度測量觀測。在不同的ICESat活動中獲得的重復高程測量值之間存在時變偏差。本研究中對這些運動間偏差的校正顯著改善了表面高程變化的量化，從而實現(xiàn)了更加一致的后續(xù)積雪估算。除了降雪，湖冰的生長也有助于地表高程的變化。我們開發(fā)了一種測量和消除總湖面高度變化貢獻的方法，這可以更準確地估算阿拉斯加北部北極地區(qū)277個湖泊冰凍面積積雪。使用阿拉斯加北極沿海平原地面站的原位雪深觀測結果驗證了結果。在修正ICESat活動間偏差和湖面相變的貢獻去除后，從重復ICESat高程測量得到的積雪與現(xiàn)場積雪深度觀測高度相關，Pearson相關系數(shù)r為0.88。與地面測量相比，我們積雪估算的均方根誤差（RMSE）約為5厘米。與現(xiàn)有的環(huán)北極沿海地區(qū)以及季節(jié)性凍湖豐富的青藏高原的現(xiàn)場觀測相比，我們的方法可以提供更密集的積雪信息?；贗CESat數(shù)據(jù)在北極的研究，泛第三極的研究在這幾年興起。
時空克里金法（STK）被認為是地理統(tǒng)計學中的基本時空預測方法。時空回歸克里金法（STRK）將時空回歸與回歸殘差的STK相結合，由于其能夠同時考慮樣本數(shù)據(jù)中的外部協(xié)變量信息和時空自相關，因此被廣泛應用于各個領域。為了處理STRK趨勢組件中的時空非平穩(wěn)關系，本文擴展了傳統(tǒng)的STRK，將其與改進的地理和時間加權回歸（I-GTWR）模型相結合。基于確定性趨勢和隨機殘差分量的分解，提出了一種新的地理統(tǒng)計模型，即地理和時間加權回歸時空克里格（GTWR-STK）。為了評估我們的方法的有效性，進行了2002年至2015年中國浙江沿海地區(qū)葉綠素a（Chl-a）預測的案例研究。結果表明，所提出的方法產生了可靠的結果，優(yōu)于GTWR，地理和時間加權回歸克里金法（GTWR-K）和時空普通克里金法（STOK）模型。另外，采用I-GTWR校準獲得的最佳時空距離來擬合殘差映射的時空變異圖被證實是可行的，并且它大大簡化了STK插值的殘差估計。時空克里金法的拓展，結合GWR做了一個拓展，同時考慮到了殘差估計。非常不錯的空間統(tǒng)計方法方面的論文，發(fā)表于IJGIS上。值得進一步關注。
5.Specialized Villages in Inland China: Spatial and Developmental Issues/中國內陸的專業(yè)村：空間與發(fā)展問題
中國專業(yè)村的發(fā)展是一個有趣的趨勢。 本文運用理性的小家庭理論，分工和專業(yè)化概念，以及距離衰減和鄰域效應理論來研究中國的專業(yè)村。 我們使用2010年河南?。ㄖ袊畲蟮霓r業(yè)?。I(yè)村的人口普查數(shù)據(jù)作為案例研究的基礎，應用代表16種專業(yè)村的虛擬變量，選擇環(huán)境變量，如土地形態(tài)，位置 ，耕地面積和勞動力特征。 我們發(fā)現(xiàn)與專業(yè)化相關的重要因素是位置和生產因素。 討論了這項研究的政策含義。利用一些社會理論分析和地理學理論分析問題。小城鎮(zhèn)文明和鄉(xiāng)村振興是接下來的熱點研究。
犯罪分析人員試圖查明警方記錄的犯罪數(shù)據(jù)的規(guī)律性，并以破壞所發(fā)現(xiàn)的模式為中心。這樣做的一種常見方法是熱點映射，將注意力集中在空間聚類上，作為減少犯罪的途徑（Chainey＆Ratcliffe，2005; Clarke＆Eck，2003）。盡管這種分析技術被廣泛使用，但評估其準確預測空間模式的能力的評估工具最近才開始為從業(yè)者所用（Chainey，Tompson，＆Uhlig，2008）。至關重要的是，沒有人從時空的角度審視這個問題。鑒于警務機構的組織性質是基于轉變的，在這種時間敏感性下理解犯罪問題是常見的，因此有機會以優(yōu)化預防和檢測的方式迅速部署資源。本文測試了當時間信息被納入分析時是否可以增強熱點預測。使用街道犯罪數(shù)據(jù)，并采用稱為預測準確度指數(shù)（PAI）的評估工具，我們發(fā)現(xiàn)可以針對特定的時間變化增強預測準確性，并且這主要受到存在的空間聚類程度的影響。有趣的是，當熱點萎縮（與全天熱點相比）時，它們變得更加集中，隨后更加可預測。這在實踐中是有意義的;因為如果犯罪在特定時間范圍內更容易預測，那么可以智能地使用響應資源來減少受害情況。犯罪地理研究的文章，利用時空模式預測犯罪位置。筆者對工具的有效性比較感興趣，后面有機會考慮分析。
表面反射率可以從大氣頂部的衛(wèi)星測量得出，并提供可靠地監(jiān)測土地變化的重要數(shù)據(jù)集。在本研究中，使用Sentinel-2大氣校正（Sen2Cor）處理器生成Sentinel-2A表面反射率。為了評估該數(shù)據(jù)集，收集并處理了2016年1月至2017年8月北美地區(qū)氣溶膠加成呢網絡40個站點的地面數(shù)據(jù)。表面反射參考源自太陽光譜矢量（6SV）代碼中衛(wèi)星信號的第二次模擬。使用包括精度，精度和不確定度（A，P和U）的度量來評估由Sen2Cor生成的氣溶膠光學厚度（AOT），水蒸氣，表面反射率和三個光譜指數(shù)。結果表明，由于Sen2Cor氣溶膠檢索算法的局限性，Sentinel-2A AOT顯著高估，相對準確度超過160％。 Sen2Cor表面反射率通常被高估，特別是對于明亮的像素，除了卷云帶。對于12個Sentinel-2A波段，相對A，P和U的平均值分別為4.15％，13.44％和14.92％。在三個光譜指數(shù)中，歸一化差異植被指數(shù)表現(xiàn)最佳，與表面數(shù)據(jù)的相關系數(shù)為0.973。此外，Sen2Cor表面反射率與其他衛(wèi)星產品進行了比較。 Sentinel-2A和Landsat 8表面反射率之間的平均相關系數(shù)為0.761。這項研究表明，更好的AOT反演對于將來改善Sen2Cor至關重要。關于定量遙感的研究，就當前流行的哨兵數(shù)據(jù)展開的基礎研究，分析表面反射率驗證的精度。
本文介紹了克拉科夫市某些類別犯罪的空間分布情況。這些數(shù)據(jù)來自克拉科夫市民通過國家安全風險地圖提交的報告。第一階段涉及校準數(shù)據(jù)。然后，由于在城市的一些區(qū)域中點以高濃度發(fā)生，這可能對所述現(xiàn)象的空間分析具有顯著影響，因此識別出數(shù)據(jù)的空間聚類。作為聚類的結果，獲得了數(shù)據(jù)的廣義分布并在地圖上呈現(xiàn)。基于計算，對概括之前和之后的數(shù)據(jù)進行了比較分析。采用的方法是核密度估計。對不同分區(qū)邊界內的數(shù)據(jù)進行比較，可以評估泛化是否會顯著影響分析現(xiàn)象的密度分布。犯罪地理分析的文章，利用核密度分析和空間聚類分析安全風險地圖。
9.Analyzing Agricultural Agglomeration in China/中國農業(yè)集聚分析
對中國農業(yè)的集聚地理格局及其演化機制的研究很少，這對我國可持續(xù)發(fā)展至關重要。通過計算1981 - 2012年11種作物的重心坐標，基尼系數(shù)，空間自相關和專業(yè)化指數(shù)，分析了農業(yè)集聚的演化模式和機制。我們認為，中國種植的空間集中程度逐漸提高，區(qū)域專業(yè)化和多樣化逐步加強。此外，中國的農作物產量正從東部省份轉移到中西部省份。這與中國制造業(yè)增長形成鮮明對比，后者繼續(xù)集中在沿海和東南地區(qū)。在東北地區(qū)，三江和松嫩平原已成為農業(yè)集聚區(qū)，中國東南地區(qū)早期對水產養(yǎng)殖和水稻生產的支配力度逐漸下降?？傊?，本文提供了一個理解中國農業(yè)區(qū)域化的政治經濟學框架，重點關注目標，決策行為，路徑依賴和空間效應之間的相互作用。分析中國農業(yè)時空區(qū)域變化的研究。給出了一個框架。
傳統(tǒng)的基于位置的可訪問性度量是靜態(tài)的，并且不能表示一天中不同時間的可訪問性波動。為了填補這一空白，本研究提出了基于位置的時空可達性度量，以捕獲基于位置的可訪問性的時間變化。使用時空實用程序透視圖，可以將位置的可訪問性概念化為可從該位置訪問的一組設施提供的時空實用程序。明確考慮了多個替代方案中個人的設施選擇行為。引入依賴于時間的設施吸引力函數(shù)來表示個體在某個設施處執(zhí)行活動的需要的時間變化。引入的函數(shù)被表述為兩個部分：表示從設施中的活動參與得到的個體滿足的時間不變分量，以及表示個體動態(tài)強度以在一天的不同時間執(zhí)行某種類型的活動的時變分量。為了證明這些擬議措施的適用性，在中國武漢開展了一項綜合案例研究。案例研究的結果表明，由于交通條件和個人在一天中不同時間進行活動的強度的動態(tài)變化，所提出的措施可以很好地捕捉到可達性的時間變化。根據(jù)豐富的設施信息，擬議的措施需要適度的數(shù)據(jù);并且大多數(shù)這些數(shù)據(jù)可以從社交媒體應用程序中提取。社交媒體地理學和LBS分析時空可達性的研究。
可持續(xù)城市發(fā)展是區(qū)域決策者關注的焦點;因此，如何衡量和理解城市發(fā)展是一個重要的研究課題。本文量化了2000 - 2015年浙江省嘉興市作為快速發(fā)展城市的多時相Landsat圖像的土地利用圖上的城市增長量。此外，一種新的方法將啟發(fā)式蝙蝠算法（BA）和深度置信網絡（DBN）與元胞自動機（CA）模型（DBN-CA）相結合，該模型被開發(fā)用于模擬2015年的城市擴張并預測城市的分布。為了獲得DBN的最佳結構，提出了BA的優(yōu)化結構，而優(yōu)化的DBN模型考慮了城市擴展中驅動力的非線性時空關系。還進行了DBN-CA與傳統(tǒng)的基于人工神經網絡的CA（ANN-CA）模型之間的比較。該研究表明，所提出的模型比ANN-CA模型更穩(wěn)定和準確，因為DBN-CA的kappa系數(shù)的最小值和最大值分別為77.109％和78.366％，而ANN-CA的值為63.460％。分別在200個實驗中占76.151％。因此，DBN-CA模型是一種潛在有效的新方法，用于調查土地利用變化和城市擴張，并允許可持續(xù)性研究來研究城市增長趨勢的健康狀況。深度學習與元胞自動機的耦合研究，用于模擬城市擴展和發(fā)展。
我們提出了一個新的框架來測量復雜軌跡之間的拓撲結構的相似性。復雜軌跡首先由具有節(jié)點和邊的圖結構表示。其次，我們開發(fā)了綜合結構匹配（CSM）算法，以識別感興趣的復雜軌跡之間的所有共同結構。第三，我們使用Jaccard相似系數(shù)來評估復雜軌跡之間的相似性。我們使用合成數(shù)據(jù)通過比較VF2和精確圖形編輯距離（EGED）算法來評估CSM方法。結果表明，CSM算法在計算效率方面優(yōu)于EGED。 CSM比VF2算法更全面，因為它進一步考慮了部分同構。我們使用CSM算法來檢驗南海（SCS）中反氣旋漩渦的1993年至2012年復雜軌跡。 CSM成功地找到了與SCS中徹底研究的ACE3軌跡類似的復雜軌跡。從類似的軌跡，我們確定了南海南部渦旋的主要遷移路徑和一些在18°N平行上傳播的新軌跡，這些軌跡以前沒有報道過。這些發(fā)現(xiàn)有助于我們更好地理解SCS中中尺度渦旋的行為和演化。氣旋軌跡分析的研究，利用數(shù)據(jù)挖掘和圖算法分析氣旋軌跡。
作為陸地生態(tài)系統(tǒng)中最大的生態(tài)系統(tǒng)，森林對于維護生態(tài)系統(tǒng)服務和調節(jié)區(qū)域氣候至關重要。在過去的幾十年里，人工密集森林地區(qū)的樹木面積和空間分布一直受到關注，而農業(yè)區(qū)的稀疏森林，即所謂的農林復合體或森林外樹木（TOF），在現(xiàn)有森林制圖中通常被忽視或遺漏盡管它們在調節(jié)農業(yè)生態(tài)系統(tǒng)方面發(fā)揮了重要作用。我們將Landsat和PALSAR數(shù)據(jù)結合起來，繪制了華北平原典型農業(yè)區(qū)的森林圖?；赑ALSAR和Landsat（PL）數(shù)據(jù)得到的地圖也與PALSAR（JAXA森林地圖）和Landsat的五個現(xiàn)有中等分辨率（30-100米）森林地圖進行了比較：NLCD-China，GlobeLand30，ChinaCover和FROM -GLC。結果表明，與北方單一Landsat或PALSAR數(shù)據(jù)的森林地圖相比，基于PL的森林地圖具有最高的準確度（總體準確度為95±1％，置信區(qū)間為95％，Kappa系數(shù)為0.86）。中國平原（總體準確度從85±2％到92±1％）。所有森林地圖在密集森林山區(qū)顯示出更高的準確性，而基于PL和JAXA的森林地圖在平原上顯示出更高的準確性，因為僅在基于Landsat的森林地圖中存在較高的遺漏錯誤。此外，我們發(fā)現(xiàn)基于PL的森林地圖可以在低森林密度區(qū)域捕獲更多修補的森林信息。這意味著雷達數(shù)據(jù)在捕獲典型農業(yè)區(qū)的森林方面具有優(yōu)勢，這些森林在已發(fā)布的僅基于Landsat的森林地圖中往往缺失。鑒于農林復合生態(tài)系統(tǒng)在調節(jié)農業(yè)生態(tài)系統(tǒng)生態(tài)系統(tǒng)服務和改進碳儲量估算方面的重要性，本研究表明，PALSAR和Landsat數(shù)據(jù)的整合可以為未來的森林清查工作提供有希望的農林復合估算，目標是全面了解農林生態(tài)系統(tǒng)的生態(tài)系統(tǒng)服務以及更準確的碳預算庫存。多源衛(wèi)星數(shù)據(jù)融合用于森林清查的初探，基于雷達和光學遙感的耦合。
14.Prediction of Suspect Location Based on Spatiotemporal Semantics/基于時空語義的可疑位置預測
對可疑地點的預測可以為犯罪調查提供積極的經驗，并為預防犯罪提供必要的情報。然而，現(xiàn)有研究未能捕捉到嫌疑人復雜的社會地點過渡模式，缺乏解決數(shù)據(jù)稀疏性問題的能力。本文提出了一種基于時空語義的新型位置預測模型CMoB（Crime Multi-order Bayes model），以提高預測性能。特別是，該模型將具有相似時空語義的嫌疑人歸為一個目標嫌疑人。然后，基于KDE（核密度估計）平滑方法，應用它們的移動性數(shù)據(jù)來估計未觀測位置的馬爾可夫轉移概率。最后，通過將從馬爾可夫轉移矩陣的多階特性導出的總轉移概率整合到基于貝葉斯的公式中，能夠實現(xiàn)針對個體嫌疑人的多步位置預測。移動數(shù)據(jù)集覆蓋了武漢市2012年1月至6月的210名嫌疑人及其18,754個位置記錄的實驗表明，擬議的CMoB模型在數(shù)據(jù)稀疏性的背景下明顯優(yōu)于最先進的可疑位置預測算法。犯罪地理學的研究，基于稀疏數(shù)據(jù)的語義分析預測，結合時空軌跡與馬爾科夫過程，貝葉斯統(tǒng)計等進行預測，非常有意思的研究。
為了提高土壤濕度主動被動（SMAP）的空間分辨率，本研究使用來自PROBA-V的數(shù)據(jù)，基于溫度植被干旱指數(shù)（TVDI）修改了降尺度因子模型。在修正模型中，TVDI參數(shù)來自溫度 - 植被空間和增強植被指數(shù)（EVI）。本研究使用SMAP，PROBA-V和中分辨率成像光譜儀衛(wèi)星圖像在華北地區(qū)進行。使用改進的降尺度方法將9km空間分辨率SMAP數(shù)據(jù)縮小到0.3km空間分辨率土壤濕度。根據(jù)現(xiàn)場觀察結果比較了原始和修改的降尺度因子模型的降尺度精度。結果表明，這兩種方法都產生了類似的空間分布，其中隨著植被覆蓋率從建成區(qū)域增加到森林，土壤水分估計值增加。然而，基于觀測值和估算值之間的均方根誤差，修正后的模型表明，與原始方法相比，土壤濕度的估算精度提高了4.2％。該研究還表明，縮小的土壤水分有望成為后續(xù)流域尺度研究的數(shù)據(jù)來源。土壤濕度的估算研究，土壤濕度在近年來研究已被證明與生態(tài)水文息息相關。而土壤濕度的遙感反演近年來也有很多成果。SMAP就是其中一個關鍵數(shù)據(jù)。本研究的降尺度研究可以提升SMAP的應用范圍，提供小尺度流域研究的數(shù)據(jù)源。
城市綠地（UGS）的結構在決定他們支持的生態(tài)系統(tǒng)服務方面發(fā)揮著重要作用。了解影響UGS景觀結構的因素對于UGS的規(guī)劃和管理至關重要。在這項研究中，我們基于遙感數(shù)據(jù)評估了城市形態(tài)對中國262個城市UGS結構的影響。我們使用基于Google Earth Engine平臺的6673個Landsat ETM + / OLI圖像場景，在2015年為262個城市制作了土地覆蓋圖。我們使用增強回歸樹分析分析了城市形態(tài)對UGS在這些城市的景觀結構的影響，其中景觀和城市形態(tài)指標分別來自土地覆蓋圖作為響應和預測變量。結果表明，三種城市形態(tài)度量 - 周長面積比，道路密度和復合地形復雜度指數(shù) - 均與UGS的選定景觀指標顯著相關。道路密度高的城市擁有較少的UGS面積，而這些城市的UGS更加分散。具有復雜建筑邊界的城市往往擁有更多零碎的UGS。地形復雜度較高的城市擁有更多的UGS，但UGS更加分散。我們的研究結果首次揭示了城市形態(tài)在全國262個城市中塑造UGS景觀結構的重要性。基于GEE提取了城市綠地，并分析了城市形態(tài)對城市綠地景觀的影響。首先城市形態(tài)的重要性是一點，其次這個研究很有力地證明了景觀破碎化的兩面性。另外基于GEE的研究使得全國尺度的30m制圖不在受數(shù)據(jù)和平臺限制。
