資源整理。
1 Coding:
1.Nature Climate Change論文"Higher temperatures increase suicide rates in the United States and Mexico"的code，更高的溫度會增加美國和墨西哥的自殺率。
2.Nature論文"Robust relationship between air quality and infant mortality in Africa"的code，非洲空氣質(zhì)量和嬰兒死亡率的密切關(guān)系。
3.多模式的非監(jiān)督圖像轉(zhuǎn)換，對抗生成網(wǎng)絡(luò)相關(guān)項目。
4.Predictive Soil Mapping with R書的源碼，我曾經(jīng)有幸在5月份上過作者的關(guān)于這方面的課程，Tomislav Hengl老師非常風(fēng)趣，這本書是基于謝益輝大大的bookdown包寫的，他當(dāng)時還在課程上推薦謝益輝大大的包。
5.R語言包RGDALSQL,GDAL的數(shù)據(jù)庫接口（DBI)。
6.R語言包spatstat，spatstat的開發(fā)者版本，關(guān)于時空數(shù)據(jù)處理的R包。
7.來自日本Himawari衛(wèi)星的數(shù)據(jù)讀程序。 該實用程序讀取原始的HSD格式數(shù)據(jù)，并可將其轉(zhuǎn)換為更友好的格式，如NetCDF4。
8.從內(nèi)容來看應(yīng)當(dāng)是城市形態(tài)相關(guān)的研究的code。
9.使用pycollada操縱網(wǎng)格數(shù)據(jù)的工具。
10.將DTM（數(shù)字高程模型）圖像轉(zhuǎn)換為Collada 3D網(wǎng)格。 使用OpenCV和PyCollada。
11.Python開源項目ee jupyter examples，關(guān)于Google Earth Engine的Python API的樣例代碼。
12.Python開源庫pixel decoder，一個深度學(xué)習(xí)處理衛(wèi)星影像的機器學(xué)習(xí)庫。
13.Python開源庫altair，聲明性統(tǒng)計可視化庫。
14.AGU 2017 Presentation的目錄。
15.一個致力于地球?qū)嶒炇覉F隊開發(fā)的教程，課程和其他學(xué)習(xí)材料和資源的網(wǎng)站。
2 Paper:
1.Ancient herders enriched and restructured African grasslands/古代牧民對非洲草原的影響和重構(gòu)
發(fā)表于Nature的論文。詳情見如下的公眾號鏈接。只能說人類活動與生態(tài)環(huán)境的關(guān)系是當(dāng)今熱點，另外非洲這個研究區(qū)也是如此。
2.Extending RAPID model to simulate forest microwave backscattering/擴展三維光學(xué)模型RAPID模擬森林微波后向散射
發(fā)表于RSE上的論文，作者為黃華國老師，北京林業(yè)大學(xué)林業(yè)遙感（激光雷達和輻射傳輸模型）的專家。三維光學(xué)模型，非常不錯的研究。筆者有幸加了黃老師的科學(xué)網(wǎng)博客，鏈接請見下文。
SDGs的一篇文章，關(guān)于指標方面的研究。
4.Location based services: ongoing evolution and research agenda/基于位置的服務(wù)：持續(xù)的發(fā)展和研究議程
我們現(xiàn)在生活在一個移動信息時代，它正在從根本上改變科學(xué)和社會。 基于位置的服務(wù)（LBS）根據(jù)（移動）設(shè)備和用戶的位置提供信息，在這個移動信息時代起著關(guān)鍵作用。 本文首先回顧了過去幾年LBS科學(xué)領(lǐng)域的不斷發(fā)展和研究趨勢。 為了激發(fā)LBS的進一步研究并激發(fā)集體努力，本文提出了一系列關(guān)鍵的研究挑戰(zhàn)，這些挑戰(zhàn)對推動LBS的發(fā)展至關(guān)重要，為LBS制定研究議程以“積極”塑造我們的移動信息社會的未來。 這些研究挑戰(zhàn)涵蓋了與LBS開發(fā)的核心（例如定位，建模和溝通），LBS生成數(shù)據(jù)的評估和分析相關(guān)的問題，以及隨著LBS進入人們?nèi)粘Ｉ疃霈F(xiàn)的社會，道德和行為問題住。LBS是當(dāng)今大數(shù)據(jù)時代的典型空間數(shù)據(jù)，也是GISer能夠在大數(shù)據(jù)時代大放異彩的關(guān)鍵。這篇文章講述了LBS相關(guān)的研究內(nèi)容，非常值得關(guān)注。
薩赫勒地區(qū)的夏季降雨在20世紀表現(xiàn)出強烈的多年代際變化，造成了巨大的人類和社會經(jīng)濟影響。研究表明，變異性與大西洋多年代際變率有關(guān);北大西洋的一個空間持續(xù)的暖/冷海面溫度模式。在過去幾年中，已經(jīng)提供了幾個有希望的長達一年的再分析數(shù)據(jù)集，為進一步研究導(dǎo)致薩赫勒觀測到的低頻降雨變化的動力學(xué)開辟了道路。我們發(fā)現(xiàn)盡管20世紀的ECMWF重新分析中有三個顯示出明顯的多年代際降雨變化，并且干濕周期延長，但其中兩次重新分析的多年代際變化的時間發(fā)現(xiàn)在20日的大部分時間內(nèi)表現(xiàn)出幾乎反向的特征。世紀與觀察相比。多年代雨量變化的最佳表現(xiàn)在ECMWF再分析資料中發(fā)現(xiàn)，與其他再分析資料不同，它不同化任何觀測數(shù)據(jù)，并且很可能是這種不匹配的關(guān)鍵原因，如本文所討論的。因此，這種再分析資料，即ERA-20CM，被推薦用于未來研究薩赫勒地區(qū)多年代降雨變率的動態(tài)及其與低頻北大西洋海溫的聯(lián)系。多個再分析資料在某一地區(qū)的比較，再分析資料在各種研究當(dāng)中的應(yīng)用越來越多，結(jié)合數(shù)據(jù)同化會有很多有意思的分析結(jié)論。
蒸發(fā)蒸騰（ET）是陸地 - 大氣相互作用的重要變量，它將地表能量平衡，水和碳循環(huán)聯(lián)系起來。原位技術(shù)可以準確地測量ET，但觀察結(jié)果限制了空間和時間覆蓋范圍。建模方法已用于在廣泛的空間和時間尺度上估計ET，而在區(qū)域尺度上精確模擬ET仍然是一項重大挑戰(zhàn)。在這項研究中，我們利用機器學(xué)習(xí)算法將渦旋協(xié)方差通量塔站點的ET升尺度至區(qū)域尺度。 ET升尺度采用五種機器學(xué)習(xí)算法，包括人工神經(jīng)網(wǎng)絡(luò)，Cubist，深度信念網(wǎng)絡(luò)，隨機森林和支持向量機。機器學(xué)習(xí)方法在黑河流域36個通量塔站點（65個站點年）進行訓(xùn)練和測試，然后用于估算流域內(nèi)每個網(wǎng)格單元（1 km×1 km）的ET以及期間2012-2016。人工神經(jīng)網(wǎng)絡(luò)，Cubist，隨機森林和支持向量機算法在估計ET時具有幾乎相同的性能，并且在樣地尺度上具有比深度信念網(wǎng)絡(luò)略低的均方根誤差。隨機森林算法在區(qū)域尺度上的相對不確定性略低于基于三角帽方法的其他方法。此外，機器學(xué)習(xí)方法在密集植被條件下比貧瘠土地或植被稀疏的條件下表現(xiàn)更好。通過機器學(xué)習(xí)方法生成的區(qū)域ET捕獲了區(qū)域尺度ET的空間和時間模式。機器學(xué)習(xí)在生態(tài)學(xué)中升尺度/尺度擴展中的應(yīng)用。比較有意思的研究，發(fā)表于JGR大氣上。
