最近忙于研究事宜，許久未歸。新一期資源整理博客。
1 Coding:
1.Python的Geohash編碼壓縮工具。
2.基于Google Earth Engine平臺(tái)用于洪澇災(zāi)害的水文遙感分析包。
3.Python庫(kù)moto，一個(gè)使您能夠輕松模擬基于AWS基礎(chǔ)架構(gòu)的測(cè)試的庫(kù)。
4.R語(yǔ)言包helpr，可以改善友好的HTML文檔。
5.Binder實(shí)例與地理信息科學(xué)和技術(shù)知識(shí)體系的章節(jié)進(jìn)行交互。
6.論文'How to build a biodiverse city: environmental determinants of bird diversity within and among 1581 cities. Biodiversity and Conservation'的重現(xiàn)和分析代碼。
7.R語(yǔ)言包sixs，使用6S模型做大氣校正。
8.R語(yǔ)言的Github Actions。
9.Deep Reinforcement Learning Hands on一書(shū)的代碼。
Deep Reinforcement Learning Hands on
10.R語(yǔ)言包equtiomatic，將模型轉(zhuǎn)化為L(zhǎng)atex的公式。
11.R語(yǔ)言學(xué)習(xí)資源。
12.Python庫(kù)networkx，網(wǎng)絡(luò)分析庫(kù)。
13.用于GeoStats.jl框架的Jupyter筆記本形式的教程。
14.Python庫(kù)networkit，一個(gè)還在發(fā)展的開(kāi)源大規(guī)模網(wǎng)絡(luò)分析庫(kù)。
15.Richard McElreath的Statistical Rethinking一書(shū)第二版的數(shù)據(jù)與代碼。
16.學(xué)習(xí)者從頭開(kāi)始構(gòu)建應(yīng)用程序的編程教程列表。
17.Harmonize Project是使用Python內(nèi)置的低延遲視頻分析和傳遞應(yīng)用程序。
18.macOS的gfortran和gcc編譯器。
19.Python庫(kù)rasterio，可以讀寫(xiě)地理空間柵格數(shù)據(jù)。
20.EMNLP2020論文Pre-training Multilingual Neural Machine Translation by Leveraging Alignment Information的代碼。
21.CVPR2020論文，此存儲(chǔ)庫(kù)提供了OCDA駕駛數(shù)據(jù)的示例代碼。 它實(shí)現(xiàn)了本文中的AdaptSeg基線(xiàn)模型。
22.Python庫(kù)zss提供了一個(gè)函數(shù)（zss.distance），該函數(shù)計(jì)算兩個(gè)給定樹(shù)之間的編輯距離，以及一小組實(shí)用程序，以方便使用。
23.Python庫(kù)apted，這是APTED算法的Python實(shí)現(xiàn)，這是用于計(jì)算樹(shù)編輯距離的最新解決方案，它取代了RTED算法。
24.GuwenBERT: 古文預(yù)訓(xùn)練語(yǔ)言模型。
25.R語(yǔ)言包parallaxr，使用YAML和Markdown在R中生成如圖的文檔。
26.對(duì)您的Polygons和MultiPolygons應(yīng)用布爾多邊形裁剪操作（聯(lián)合，交集，差，異或）。
27.pysal樣例。
28.這是俄勒岡大學(xué)的Grant McDermott教授的碩士學(xué)位課程：Big Data in Economics。
29.nep29計(jì)算工具，推薦的numpy科學(xué)計(jì)算工具。
30.Stan math是一個(gè)C ++模板庫(kù)，可使用正向，反向和混合模式自動(dòng)區(qū)分任何順序。 它包括一系列用于概率建模，線(xiàn)性代數(shù)和方程求解的內(nèi)置函數(shù)。
31.Flarum 簡(jiǎn)體中文語(yǔ)言包。
flarum lang simplified chinese
32.Minkowski Engine是用于高維稀疏張量的自動(dòng)差異神經(jīng)網(wǎng)絡(luò)庫(kù)。
33.Duplicati是一個(gè)免費(fèi)的開(kāi)放源備份客戶(hù)端，可將加密的，增量的，壓縮的備份安全地存儲(chǔ)在云存儲(chǔ)服務(wù)和遠(yuǎn)程文件服務(wù)器上。
34.這是一個(gè)簡(jiǎn)單的腳本，用于實(shí)時(shí)從pushift收集作者，subreddit對(duì)。
35.一組用于在點(diǎn)和形狀之間繪制完美箭頭的最小功能。
36.R語(yǔ)言包billboarder，billboarder.js的htmlwidget插件。
37.Python庫(kù)xclim，基于xarray的反演氣候變量庫(kù)。
38.OGGM是用于冰川動(dòng)力學(xué)的模塊化開(kāi)源模型，該模型考慮了冰川的幾何形狀（包括貢獻(xiàn)分支），并包括一個(gè)明確的冰動(dòng)力學(xué)模塊。 它可以在全自動(dòng)和可擴(kuò)展的工作流程中模擬過(guò)去和將來(lái)（幾乎）任何冰川的質(zhì)量平衡，體積和幾何形狀。 我們完全依靠公開(kāi)可用的數(shù)據(jù)進(jìn)行校準(zhǔn)和驗(yàn)證。
39.Julia編寫(xiě)的快速友好的不可壓縮流體流動(dòng)求解器，可以在1-3尺寸的CPU和GPU上運(yùn)行。 它旨在解決在非靜水海洋建模中使用的旋轉(zhuǎn)Boussinesq方程，但可用于解決任何不可壓縮的流動(dòng)。
40.Python庫(kù)cf xarray，xarray對(duì)象的輕量級(jí)訪問(wèn)器，用于解釋CF屬性。
41.Python工具StreetSpace用以測(cè)量與分析街道。
42.R語(yǔ)言包gggap，在“ ggplot2”圖的y軸上簡(jiǎn)化了線(xiàn)段的創(chuàng)建。
43.基于MLT Framework和KDE Frameworks 5的免費(fèi)和開(kāi)源視頻編輯器。
44.R語(yǔ)言selectr，使處理HTML和XML文檔更加容易。 它通過(guò)將CSS選擇器轉(zhuǎn)換為XPath表達(dá)式來(lái)做到這一點(diǎn)，以便您可以輕松查詢(xún)XML和xml2文檔。
45.R語(yǔ)言包d3r，d3.js R的幫助。
46.R語(yǔ)言包c(diǎn)onvo，convo的目標(biāo)是實(shí)現(xiàn)一個(gè)控件的創(chuàng)建，以便為關(guān)系數(shù)據(jù)集中的列命名。
47.Statistical Rethinking: A Bayesian課程（R / Stan / Python / Julia中的代碼示例）。
48.如果您需要快速的開(kāi)發(fā)人員/數(shù)據(jù)科學(xué)產(chǎn)品組合，請(qǐng)使用此模板！ 基于GitHub Pages的最小Jekyll主題。
49.R語(yǔ)言包rtreesitter，Tree-sitter解析庫(kù)的R接口。
50.拼音首字母縮寫(xiě)翻譯工具。
51.Kvass提供了Prometheus分片的解決方案，該解決方案使用Sidecar生成新配置。
52.精選的出色開(kāi)源醫(yī)療軟件，庫(kù)，工具和資源的清單。 每個(gè)鏈接都經(jīng)過(guò)審核，以確保該項(xiàng)目有效，并為醫(yī)療機(jī)構(gòu)，提供商，開(kāi)發(fā)商，政策專(zhuān)家和/或研究科學(xué)家提供價(jià)值。
53.R語(yǔ)言包riskmetric，用于評(píng)估R軟件包的質(zhì)量。
54.TorchServe是用于PyTorch模型服務(wù)部署的靈活易用的工具。
55.Cloud-init是用于跨平臺(tái)云實(shí)例初始化的行業(yè)標(biāo)準(zhǔn)多分發(fā)方法。
56.從美國(guó)國(guó)家航空航天局獲取氣候變量的R代碼。
57.該頁(yè)面是利用Stan進(jìn)行貝葉斯推斷的軟件的生態(tài)學(xué)應(yīng)用的集合。
58.雙信號(hào)轉(zhuǎn)換LSTM網(wǎng)絡(luò)，Interspeech 2020論文。
59.GraphQL的JavaScript參考實(shí)現(xiàn)，GraphQL是Facebook創(chuàng)建的API的查詢(xún)語(yǔ)言。
60.此存儲(chǔ)庫(kù)是“Engineering Production-Grade Shiny Apps”書(shū)附錄的附件。
61.R語(yǔ)言包windninjr，輔助函數(shù)，用于從R運(yùn)行WindNinja。
62.Python包pyrosm，可將OSM數(shù)據(jù)從Protobuf格式解析為Geopandas GeoDataFrames。
63.芬蘭Python公開(kāi)地理數(shù)據(jù)。
64.2020年秋季Earth Analytics訓(xùn)練營(yíng)課程的作業(yè)。
bootcamp 2020 12 vector template
65.使用基于特征的方法調(diào)查北美鳥(niǎo)類(lèi)的年內(nèi)城市化模式。
66.防止敏感數(shù)據(jù)意外提交到github的工具。
67.在蘇格蘭公共衛(wèi)生組織內(nèi)使用GitHub的指導(dǎo)和最佳實(shí)踐規(guī)則。
68.jsdom是許多Web標(biāo)準(zhǔn)（特別是WHATWG DOM和HTML標(biāo)準(zhǔn)）的純JavaScript實(shí)現(xiàn)，可與Node.js一起使用
69.現(xiàn)代C ++的活動(dòng)指標(biāo)。
70.一系列很棒的用于張量計(jì)算和深度學(xué)習(xí)的編譯器項(xiàng)目和論文。
71.Earth Lab JupyterHubs的基礎(chǔ)架構(gòu)和運(yùn)營(yíng)。
72.Python庫(kù)progressbar，文本進(jìn)度條。
73.R語(yǔ)言包reactable，基于React Table庫(kù)并使用react制作的R的交互式數(shù)據(jù)表。
74.使用CNN監(jiān)督分類(lèi)（CSC）對(duì)冰川景觀進(jìn)行分類(lèi)。
75.適用于Citywide數(shù)據(jù)科學(xué)和Predictive Analytics JupyterHub部署的Docker映像和Kubernetes配置。
76.使用pyproject.toml Python配置文件的項(xiàng)目列表。
77.對(duì)于打算為Chapman＆Hall寫(xiě)書(shū)的人來(lái)說(shuō)，這是一個(gè)最簡(jiǎn)單的例子，謝益輝大大給的神器。
78.Python庫(kù)Momepy是一個(gè)用于定量分析城市形態(tài)-城市形態(tài)計(jì)量學(xué)。它建立在GeoPandas，PySAL和networkX之上。
79.R語(yǔ)言包c(diǎn)ollapse，一個(gè)基于C/C ++的軟件包，用于R中的數(shù)據(jù)轉(zhuǎn)換和統(tǒng)計(jì)計(jì)算。
80.使用JAGS的貝葉斯綜合人口建模（IPM）。
81.Vegeta是一種多功能的HTTP負(fù)載測(cè)試工具，其構(gòu)建目的是為了以恒定的請(qǐng)求速率鉆取HTTP服務(wù)。 它既可以用作命令行實(shí)用程序，也可以用作庫(kù)。
82.Emacs的markdown預(yù)覽模式。
83.dygraphs JavaScript庫(kù)生成時(shí)間序列的交互式可縮放圖表。
84.從node.js應(yīng)用程序創(chuàng)建一個(gè)可執(zhí)行文件。
85.在本地運(yùn)行GitHub操作。
86.不同計(jì)劃數(shù)據(jù)和技術(shù)資源的精選列表。 邀請(qǐng)對(duì)構(gòu)建環(huán)境感興趣的人查看該倉(cāng)庫(kù)并做出貢獻(xiàn)。
87.R語(yǔ)言包c(diǎn)hanger，更改現(xiàn)有R程序包的名稱(chēng)。
88.適用于Chrome的功能最強(qiáng)大的屏幕記錄器和注釋工具。
89.R語(yǔ)言包actel，來(lái)自穿過(guò)接收器陣列的魚(yú)類(lèi)的聲音遙測(cè)數(shù)據(jù)的標(biāo)準(zhǔn)化分析。
90.R語(yǔ)言包RSP，完善在河口地區(qū)使用聲發(fā)射器追蹤的動(dòng)物的最短路徑（RSP）。
91.R語(yǔ)言包jtools，匯總/可視化回歸和其他有用內(nèi)容的工具。
92.用于學(xué)習(xí)Python的地方和速查表。 Python腳本集合，按主題劃分，并包含帶說(shuō)明的代碼示例。
93.Python庫(kù)echopype，在海洋聲納數(shù)據(jù)分析中實(shí)現(xiàn)互操作性和可伸縮性。
94.Google Earth Engine紅樹(shù)林制圖方法。
95.使用pulp包解決空間優(yōu)化的示例（p-median/set covering）
96.R語(yǔ)言包drc，通過(guò)一套靈活而通用的模型擬合和擬合后功能，可以進(jìn)行劑量反應(yīng)數(shù)據(jù)分析。
97.農(nóng)業(yè)科學(xué)研究的CRAN任務(wù)視圖。
98.中國(guó)軟件著作權(quán)申請(qǐng)教程 & 模板文件。
99.Python庫(kù)Pymer4，用于估計(jì)Python中的各種回歸模型和多層回歸模型。類(lèi)似R里面的lme4。
100.初學(xué)者的網(wǎng)頁(yè)開(kāi)發(fā)教程，24節(jié)課，12周。
101.NHS-R社區(qū)會(huì)議2019的回歸建模研討會(huì)。
102.reMarkable的資源。reMarkable是一種紙質(zhì)手寫(xiě)板，適合那些喜歡在紙上而不是鍵盤(pán)上打字的人。
103.R語(yǔ)言包miceFast，面向?qū)ο缶幊谭妒较碌目焖俨逖a(bǔ)。 此外，還提供了一些與流行的R包一起使用的功能，例如“ data.table”或“ dplyr”。
104.R語(yǔ)言包lplyr，dplyr的拓展，專(zhuān)門(mén)針對(duì)list操作。
105.R語(yǔ)言包timetk，可視化，整理和特征工程的時(shí)間序列數(shù)據(jù)以進(jìn)行預(yù)測(cè)和機(jī)器學(xué)習(xí)預(yù)測(cè)。
106.R語(yǔ)言包plotly，可視化神器，plotly.js的R接口，與ggplot2深度集成，可以直接轉(zhuǎn)換。
107.提供SQL Server數(shù)據(jù)管理功能的SQL Tools API服務(wù)。
108.Linux系統(tǒng)優(yōu)化程序和監(jiān)視。
109.應(yīng)用與計(jì)算統(tǒng)計(jì)學(xué)的案例研究。
110.基于RNNoise庫(kù)的語(yǔ)音降噪lv2插件。
111.通過(guò)累積按頻率建模的波動(dòng)來(lái)進(jìn)行語(yǔ)音降噪。
112.該項(xiàng)目旨在建立一個(gè)語(yǔ)音增強(qiáng)系統(tǒng)來(lái)減輕環(huán)境噪聲。
113.一個(gè)示例ALTREP程序包，無(wú)需重復(fù)即可將向量實(shí)現(xiàn)為其他向量的窗口/視圖。
114.R語(yǔ)言包placekey，用于placekey的API交互的R包。
115.“地學(xué)研究人員所需要的GIS”研討會(huì)系列的開(kāi)源倉(cāng)庫(kù)。包含研討會(huì)上使用的數(shù)據(jù)，協(xié)議，輸出，講座和資源。 Nicholas Barber教授的課程。
116.PixieDust是用于Python或Scala筆記本的生產(chǎn)力工具，開(kāi)發(fā)人員可以使用它將業(yè)務(wù)邏輯封裝到易于客戶(hù)使用的東西中。
117.基于LiDAR的動(dòng)態(tài)移動(dòng)網(wǎng)絡(luò)全景分割。
118.caldera是一個(gè)網(wǎng)絡(luò)安全框架，旨在輕松運(yùn)行自主的違規(guī)和模擬練習(xí)。
119.Plotly圖形庫(kù)的開(kāi)源文檔。
120.R語(yǔ)言包splitr，用于使用HYSPLIT進(jìn)行空氣污染源的后向軌跡軌跡和色散建模。
121.響應(yīng)式Python + Flask + SQLAlchemy + Google Maps應(yīng)用程序，墓碑地圖。
2 Paper:
這項(xiàng)研究調(diào)查了在災(zāi)難管理中利用VGI的可能性。有效的跨轄區(qū)災(zāi)難管理需要實(shí)時(shí)信息，而官方來(lái)源無(wú)法提供這些信息。本文將來(lái)自Twitter的推文確定為潛在的VGI數(shù)據(jù)源，并說(shuō)明如何發(fā)現(xiàn)和利用相關(guān)的推文。本文提出了實(shí)時(shí)（或接近實(shí)時(shí)）推文收集，實(shí)時(shí)推文保存在分布式地理數(shù)據(jù)庫(kù)中以及實(shí)時(shí)VGI數(shù)據(jù)重新分配的研究方法。該研究將Web GIS應(yīng)用程序?qū)崿F(xiàn)為帶有地理標(biāo)簽的推文操作的平臺(tái)。已實(shí)現(xiàn)的Web GIS應(yīng)用程序包括一個(gè)tweet發(fā)現(xiàn)組件，一個(gè)帶有地理標(biāo)簽的tweets映射組件以及一個(gè)在線(xiàn)帶有地理標(biāo)簽的tweets操作和分析組件。主要任務(wù)包括如何在地理數(shù)據(jù)庫(kù)中記錄收獲的帶有地理標(biāo)簽的推文，以便可以對(duì)其進(jìn)行實(shí)時(shí)重新分發(fā)。基于2015年颶風(fēng)華金的推文和假設(shè)的大規(guī)模撤離，該案例研究評(píng)估了VGI在應(yīng)急管理中響應(yīng)的利弊。還演示了時(shí)空分析組件。社交媒體地理學(xué)與應(yīng)急災(zāi)害研究的一個(gè)范例，集成為實(shí)時(shí)系統(tǒng)可以迅速響應(yīng)應(yīng)急災(zāi)害的管理。
2.Exploring the influence of land cover on weight loss awareness/探索土地覆被對(duì)減肥意識(shí)的影響
減肥被認(rèn)為是美國(guó)越來(lái)越多的人的承諾，因?yàn)榉逝质窃搰?guó)普遍存在的公共衛(wèi)生問(wèn)題。人們生活的地理環(huán)境和體重狀況的自我意識(shí)被認(rèn)為在體重管理中起著重要的作用。因此，了解地理環(huán)境和體重狀況的認(rèn)識(shí)對(duì)于維持或改善生活質(zhì)量至關(guān)重要。隨著大量帶有地理標(biāo)簽的社交媒體數(shù)據(jù)源的出現(xiàn)，在地理環(huán)境下對(duì)體重狀況的“地理意識(shí)”分析導(dǎo)致了新的研究途徑。為了充分了解體重狀況及其與地理環(huán)境的關(guān)系，我們的分析基于與減肥有關(guān)的“ tweets”（在Twitter上發(fā)送的消息）和National Land Cover Dataset。我們介紹從建模中獲得的發(fā)現(xiàn)：（1）與減肥相關(guān)的推文的地理模式，以及（2）土地覆蓋變化如何使用交叉制表法影響與減肥相關(guān)的網(wǎng)絡(luò)空間消息活動(dòng)。分析結(jié)果通過(guò)表格和圖形進(jìn)行匯總。社交媒體地理學(xué)與健康地理的一個(gè)交叉研究，以Twitter數(shù)據(jù)與土地覆被數(shù)據(jù)分析土地覆被對(duì)于減肥意識(shí)的影響。
這項(xiàng)研究使用來(lái)自中國(guó)最大的互聯(lián)網(wǎng)公司之一的騰訊公司前所未有的高分辨率和覆蓋面廣的LBS數(shù)據(jù)集，研究了城市環(huán)境中人口的時(shí)空分布及其與城市功能的關(guān)系。通過(guò)檢查不同時(shí)期的人口分布，可以觀察到不同的城市形態(tài)?；跁r(shí)間熵的時(shí)空人口分布分析表明，就業(yè)，商業(yè)和風(fēng)景名勝區(qū)的人口分布具有比居民區(qū)和混合用途區(qū)更大的時(shí)間波動(dòng)。關(guān)于基于300×300-m網(wǎng)格的城市功能與人口時(shí)空分布之間的Spearman相關(guān)系數(shù)，然后對(duì)其進(jìn)行測(cè)量以揭示人口時(shí)空分布的根本原因。結(jié)果表明，隨著城市功能的日益混合，人口的時(shí)間分布變得更加均勻。在局部范圍內(nèi)，關(guān)鍵地區(qū)的臨時(shí)人口分布表明，人們?cè)谀硞€(gè)地方的位置與人類(lèi)行為相符。在就業(yè)為主的地區(qū)，工作日的人口波動(dòng)較大，但周末的分布相對(duì)均勻。商業(yè)區(qū)的人口在工作日和周末僅達(dá)到幾個(gè)小時(shí)的高峰。相比之下，混合區(qū)域和大型居民區(qū)始終可以容納穩(wěn)定的人數(shù)。利用社交媒體數(shù)據(jù)（騰訊LBS數(shù)據(jù)）分析不同時(shí)期的人口分布與城市形態(tài)的關(guān)系。當(dāng)前的城市中功能區(qū)混合是一個(gè)比較大的趨勢(shì)。
本研究使用大數(shù)據(jù)方法和引力模型，基于淘寶平臺(tái)2011年6月至12月在線(xiàn)手機(jī)交易的數(shù)據(jù)，量化了中國(guó)城市在線(xiàn)交易的范圍和來(lái)源，并探索了驅(qū)動(dòng)力。 晉冀地區(qū)，長(zhǎng)三角和珠三角表明，較高的經(jīng)濟(jì)發(fā)展水平與物流業(yè)的發(fā)展和C2C淘寶店鋪的增多有關(guān)。 回歸結(jié)果表明，距離，GDP和人口密度是影響電子市場(chǎng)交易數(shù)量和數(shù)量的三個(gè)主要因素。 交易者的數(shù)量和聲譽(yù)（按相對(duì)價(jià)值）也顯著提高了交易量和數(shù)量。 此外，來(lái)自淘寶平臺(tái)的大數(shù)據(jù)提供了證據(jù)，表明重力模型在估計(jì)在線(xiàn)交易量方面是有效的?；谔詫毚髷?shù)據(jù)分析中國(guó)城市電商市場(chǎng)的空間分布趨勢(shì)，從結(jié)果來(lái)看，電商市場(chǎng)與傳統(tǒng)市場(chǎng)同樣受到三個(gè)主要因素影響，即距離，GDP和人口密度。
本文基于收集的2005年，2010年和2015年中國(guó)地級(jí)以上城市的信息，分析了城市形態(tài)，收縮城市與居民碳排放之間的關(guān)系。在控制了許多城市形態(tài)和社會(huì)經(jīng)濟(jì)之后， 變量（例如大小，緊湊性和多中心性），本文關(guān)注“收縮城市”中的居民碳排放，這些城市經(jīng)歷了人口流失，是中國(guó)最近出現(xiàn)的城市現(xiàn)象。 在其他所有條件都相同的情況下，收縮城市往往比增長(zhǎng)中的城市具有更低的能源效率，這表明這些城市不僅可能與人口和經(jīng)濟(jì)的萎縮“斗爭(zhēng)”，而且還需要考慮環(huán)境問(wèn)題。我院王明舒老師與港大劉行健老師的研究成果，分析當(dāng)前中國(guó)收縮城市中的環(huán)境問(wèn)題，以碳排放為例。收縮城市本身就經(jīng)歷著人口與經(jīng)濟(jì)的萎縮，加上環(huán)境問(wèn)題，城市的發(fā)展將更受桎梏。非常有意思的一個(gè)研究，發(fā)表于能源top期刊Applied Energy。
以良好的時(shí)空分辨率估算地表PM2.5是在其健康風(fēng)險(xiǎn)的流行病學(xué)研究中進(jìn)行暴露評(píng)估的關(guān)鍵技術(shù)。先前的研究已經(jīng)利用監(jiān)測(cè)，衛(wèi)星遙感或空氣質(zhì)量建模數(shù)據(jù)來(lái)評(píng)估PM2.5濃度的時(shí)空變化，但是此類(lèi)研究很少同時(shí)將這些數(shù)據(jù)組合在一起。通過(guò)組裝技術(shù)，包括具有空間變化系數(shù)的線(xiàn)性混合效應(yīng)回歸，最大似然估計(jì)器和時(shí)空Kriging，我們開(kāi)發(fā)了一個(gè)三階段模型來(lái)融合PM2.5監(jiān)測(cè)數(shù)據(jù)，衛(wèi)星反演的氣溶膠光學(xué)深度（AOD）以及社區(qū)多尺度空氣質(zhì)量（CMAQ）模擬，并將其用于估算中國(guó)全天的PM2.5，空間分辨率為0.1°。使用交叉驗(yàn)證（CV）方法逐步評(píng)估三階段模型的性能。 CV結(jié)果表明，最終融合的PM2.5估算器與觀測(cè)數(shù)據(jù)（RMSE = 23.0μg/ m3，R2 = 0.72）非常吻合，并且優(yōu)于AOD衍生的PM2.5（R2 = 0.62）或CMAQ模擬（ R2 = 0.51）。根據(jù)特定于步驟的CV，在數(shù)據(jù)融合中，AOD反演的PM2.5在降低平均偏差中起關(guān)鍵作用，而CMAQ提供時(shí)空上完整的預(yù)測(cè)，避免了衛(wèi)星反演AOD的非隨機(jī)不完整所引起的采樣偏差。與CMAQ模擬或基于AOD的估算相比，我們的融合產(chǎn)品在霧霾發(fā)作期間表征污染過(guò)程的能力更強(qiáng)，因此可以支持對(duì)環(huán)境PM2.5的慢性和急性暴露評(píng)估。根據(jù)這些產(chǎn)品，2014年中國(guó)全國(guó)PM2.5的年平均暴露濃度為55.7μg/ m3，而中國(guó)的平均污染天數(shù)（PM2.5> 75μg/ m3）為81。融合產(chǎn)品可以用于未來(lái)健康相關(guān)研究。清華大學(xué)張強(qiáng)老師課題組的成果，融合地面監(jiān)測(cè)PM2.5數(shù)據(jù)，衛(wèi)星反演AOD和空氣污染的數(shù)值模型生成高時(shí)空分辨率的PM2.5數(shù)據(jù)。從結(jié)果上看融合產(chǎn)品由于單獨(dú)使用三者其中任何一個(gè)數(shù)據(jù)估算的產(chǎn)品。筆者最近也做了一個(gè)類(lèi)似的研究，融合多源數(shù)據(jù)實(shí)現(xiàn)高時(shí)空分辨率的PM2.5制圖并且估算相對(duì)應(yīng)的暴露健康風(fēng)險(xiǎn)。
7.An analysis of forest biomass sampling strategies across scales/跨尺度森林生物量采樣策略分析
熱帶森林在全球碳循環(huán)中起著重要作用，因?yàn)樗鼈冊(cè)谄渖锪恐写鎯?chǔ)了大量碳。為了估計(jì)森林景觀的平均生物量，通常使用樣地，假設(shè)這些樣地的生物量代表周?chē)值纳锪?。在這項(xiàng)研究中，我們研究了在有限數(shù)量的樣地下符合該假設(shè)的條件。因此，通過(guò)將統(tǒng)計(jì)方法與模擬抽樣策略相結(jié)合，可以確定用于預(yù)測(cè)熱帶森林景觀平均生物量的最小樣本量。我們檢查了Barro科羅拉多島，巴拿馬和南美，非洲和東南亞的森林生物量圖。結(jié)果表明，如果采樣的樣地是隨機(jī)分布的，則需要約100個(gè)樣地（每個(gè)1-25公頃）來(lái)估算整個(gè)大陸的生物量。但是，當(dāng)前清單圖的位置通常不滿(mǎn)足此要求，例如，因?yàn)槠涑闃釉O(shè)計(jì)基于氣候梯度之間的空間樣線(xiàn)。我們表明，這些非隨機(jī)位置導(dǎo)致需要更高的采樣強(qiáng)度（對(duì)于南美準(zhǔn)確的生物量估計(jì)，最多需要54 000個(gè)地塊）。使用樣帶內(nèi)各樣點(diǎn)之間的較大距離（5？km）可以減少所需樣點(diǎn)的數(shù)量。我們還應(yīng)用了新穎的點(diǎn)模式重構(gòu)方法，以解決已知林地網(wǎng)絡(luò)中盤(pán)點(diǎn)的聚集問(wèn)題。結(jié)果表明，如果不采用進(jìn)一步的統(tǒng)計(jì)方法，當(dāng)前的樣地網(wǎng)絡(luò)可能具有集群結(jié)構(gòu)，從而降低了森林生物量大規(guī)模估計(jì)的準(zhǔn)確性。為了在整個(gè)南美熱帶森林中建立更可靠的生物量預(yù)測(cè)，我們建議在空間上隨機(jī)分布更多的清單圖（最少100個(gè)樣地），并確保清單圖數(shù)據(jù)的分析考慮其空間特征。森林屬性估計(jì)的精度取決于采樣強(qiáng)度和策略。一個(gè)非常有意思的研究，關(guān)于森林生物量樣地采樣分布策略分析，事實(shí)上樣地空間分布與代表性將會(huì)大大影響森林生物量估算的精度。該結(jié)果表明單就南美熱帶森林而言，需要隨機(jī)分布至少100個(gè)樣地，且必須考慮空間特征，方能保證足夠的精度。
8.From small-scale forest structure to Amazon-wide carbon estimates/從小尺度森林結(jié)構(gòu)到亞馬遜范圍的碳估算
熱帶森林在全球碳循環(huán)中起著重要作用。高分辨率遙感技術(shù)，例如空載激光雷達(dá)，可以測(cè)量復(fù)雜的熱帶森林結(jié)構(gòu)，但是如何解釋此類(lèi)信息以評(píng)估森林生物量和生產(chǎn)力仍然是一個(gè)挑戰(zhàn)。在這里，我們通過(guò)將770,000 GLAS激光雷達(dá)（ICESat）輪廓與考慮空間異質(zhì)性環(huán)境和生態(tài)條件的森林模擬相匹配，開(kāi)發(fā)出一種方法來(lái)估算亞馬遜地區(qū)的基礎(chǔ)面積，地上生物量和生產(chǎn)力。這允許導(dǎo)出整個(gè)亞馬遜的關(guān)鍵森林屬性的頻率分布。與使用平均樹(shù)冠高度進(jìn)行的（傳統(tǒng)）估算相比，這種對(duì)遙感數(shù)據(jù)的詳細(xì)解釋將森林屬性的估算提高了20-43％。森林建模的納入具有很大的潛力，可以彌補(bǔ)遙感測(cè)量與森林的3D結(jié)構(gòu)之間缺失的聯(lián)系，從而可以改善整個(gè)大陸對(duì)生物量和生產(chǎn)力的估計(jì)。基于GLAS ICESat的亞馬遜森林碳估算。加入LiDAR提供的平均樹(shù)高可使精度提升20%到40%。
空氣污染和噪音都是無(wú)處不在的環(huán)境壓力，對(duì)公共健康構(gòu)成了巨大威脅。越來(lái)越多的證據(jù)表明，在居住環(huán)境中，與交通有關(guān)的空氣污染物和噪聲的共存會(huì)帶來(lái)綜合的健康風(fēng)險(xiǎn)。然而，人們對(duì)流動(dòng)的人如何同時(shí)暴露于多種空氣污染和噪音源，從而在居住地以外做出更敏銳的心理反應(yīng)的了解卻很少。這項(xiàng)研究研究了在時(shí)空環(huán)境中同時(shí)暴露于細(xì)微心理壓力的情況下，細(xì)顆粒物（PM2.5）和噪聲的共同暴露。通過(guò)一項(xiàng)創(chuàng)新的研究方案，包括配備GPS的活動(dòng)旅行日記，空氣污染物和噪音傳感器以及生態(tài)瞬時(shí)評(píng)估，從中國(guó)北京的居民樣本中收集實(shí)時(shí)數(shù)據(jù)。結(jié)果表明，在考慮了個(gè)體遷移率和這兩種環(huán)境污染物的時(shí)空動(dòng)態(tài)之后，PM2.5與噪聲暴露之間存在較小的相關(guān)性。此外，考慮到無(wú)關(guān)緊要的獨(dú)立作用和噪聲暴露的弱化作用，暴露于PM2.5與瞬時(shí)心理壓力更為相關(guān)。劃定了三種涉及共同暴露健康風(fēng)險(xiǎn)的時(shí)空背景，包括早晨高峰時(shí)間和公共交通出行，由于暴露于空氣污染和噪音共同導(dǎo)致壓力風(fēng)險(xiǎn)加劇，工作場(chǎng)所具有兩種暴露均能緩解壓力影響的能力，在家中因壓力引起的空氣污染和緩解壓力的社會(huì)噪音?？傊?，基于流動(dòng)性和上下文感知的分析提供了對(duì)共同暴露與環(huán)境污染和時(shí)空同步心理壓力之間聯(lián)系的更細(xì)微的了解。柴彥威老師與關(guān)美寶老師團(tuán)隊(duì)的成果，分析空氣污染與噪聲共同暴露對(duì)時(shí)空心理壓力的影響。配備GPS的活動(dòng)旅行日記，空氣污染物和噪音傳感器以及生態(tài)瞬時(shí)評(píng)估的創(chuàng)新研究方案是本研究的亮點(diǎn)。
黑碳（BC）對(duì)空氣質(zhì)量和氣候的影響仍不清楚，部分原因是對(duì)大氣中BC老化過(guò)程的了解不足。在這項(xiàng)工作中，我們基于排放清單和反向軌跡分析開(kāi)發(fā)了一種新方法來(lái)模擬BC混合狀態(tài)（即，在BC表面上涂覆的其他物種）。該模型跟蹤了大氣傳輸過(guò)程中BC老化程度的演變（以整個(gè)顆粒與BC核的尺寸比為特征）。使用這些模型，我們量化了從各種發(fā)射源（即0.25°×0.25°網(wǎng)格）傳輸?shù)绞荏w（例如觀察點(diǎn)）的總BC粒子的質(zhì)量平均老化程度。模擬結(jié)果與現(xiàn)場(chǎng)測(cè)量結(jié)果吻合良好，這驗(yàn)證了我們的模型計(jì)算。對(duì)大氣中BC的老化過(guò)程進(jìn)行建模的研究表明，它在很大程度上取決于排放水平。來(lái)自更多排放源（即受污染區(qū)域）的BC顆粒的特征在于，由于更多共同排放的涂料前體，因此在大氣運(yùn)輸過(guò)程中的老化程度更高。另一方面，高排放區(qū)域還控制了從較清潔區(qū)域發(fā)出并在大氣傳輸過(guò)程中穿過(guò)這些污染區(qū)域的BC顆粒的老化過(guò)程。模擬確定了廣泛的發(fā)射區(qū)在大氣運(yùn)輸過(guò)程中在BC老化過(guò)程中的重要作用，這意味著廣泛的發(fā)射區(qū)對(duì)BC光吸收的貢獻(xiàn)增加。這為華北平原污染加劇的現(xiàn)象提供了新的視角，進(jìn)一步表明這主要是由區(qū)域運(yùn)輸和轉(zhuǎn)型驅(qū)動(dòng)的。大氣運(yùn)輸過(guò)程中BC老化程度的模擬為改善空氣污染和氣候變化提供了更多線(xiàn)索。清華大學(xué)張強(qiáng)老師團(tuán)隊(duì)的成果，發(fā)表于大氣物理化學(xué)口top期刊ACP。分析大氣中黑碳的老化過(guò)程。
量化城市范圍的時(shí)空變化對(duì)于理解城市化的新興過(guò)程很重要。已經(jīng)使用了許多性能良好的方法來(lái)繪制城市區(qū)域圖并使用夜間光數(shù)據(jù)檢測(cè)城市變化，但是其中許多方法都假定城市區(qū)域等同于不透水表面或發(fā)達(dá)土地所占百分比較高的區(qū)域。我們提出了一種在區(qū)域規(guī)模上有效繪制城市區(qū)域圖的方法，它還提供了從不同的理論角度認(rèn)識(shí)城市范圍的機(jī)會(huì)。在我們的方法中，基于對(duì)研究區(qū)域城市化現(xiàn)狀的了解，選擇了適當(dāng)?shù)膭澖鐦?biāo)準(zhǔn)和城市指標(biāo)。在基于對(duì)象的分割和初始城市中心的檢測(cè)之后，通過(guò)使用分組算法從這些初始城市中心擴(kuò)展來(lái)識(shí)別城市斑塊，描繪出城市區(qū)域的相對(duì)邊緣。我們使用2010年DMSP夜間燈光數(shù)據(jù)和縣級(jí)行政部門(mén)對(duì)這種新方法進(jìn)行了測(cè)試。我們發(fā)現(xiàn)市區(qū)的總面積為146,806，分布在2489個(gè)縣中，占中國(guó)大陸土地的1.5％。根據(jù)羅盤(pán)方向，城市斑塊的劃定邊界具有不同的值。條紋的平均值和不同城市斑塊的大小在不同地區(qū)之間差異很大。我們檢測(cè)了所有省會(huì)城市，97.3％的地級(jí)市和91.0％的縣級(jí)市。因此，這種方法能夠在區(qū)域范圍內(nèi)以可靠的精度識(shí)別城市斑塊。生態(tài)中心周偉奇老師團(tuán)隊(duì)的成果，利用工農(nóng)夜間燈光數(shù)據(jù)，面向?qū)ο蠓诸?lèi)方法與中心檢測(cè)實(shí)現(xiàn)區(qū)域上的城市建成區(qū)劃分。
本文針對(duì)感興趣的變量為二進(jìn)制的情況，實(shí)現(xiàn)了空間關(guān)聯(lián)的局部指標(biāo)的想法。 這產(chǎn)生了局部聯(lián)接計(jì)數(shù)統(tǒng)計(jì)信息的條件版本。 通過(guò)對(duì)共址的顯式處理，該統(tǒng)計(jì)信息擴(kuò)展到雙變量和多變量上下文。 對(duì)于事件的所有潛在位置都可用（例如，城市中的所有地塊）的情況，該方法提供了一種替代基于點(diǎn)模式的統(tǒng)計(jì)信息。 統(tǒng)計(jì)信息在開(kāi)源GeoDa軟件中實(shí)現(xiàn)，并生成了二進(jìn)制變量的本地群集以及兩個(gè)（或多個(gè)）二進(jìn)制變量的共置群集的產(chǎn)量圖。 實(shí)證插圖調(diào)查了2013年和2014年底特律的房屋銷(xiāo)售局部群以及2017年芝加哥人口普查區(qū)的城市設(shè)計(jì)特征。Luc Anselin院士的成果，對(duì)二進(jìn)制變量的空間自相關(guān)性檢測(cè)方法join count做了擴(kuò)展，用于空間集聚特征檢測(cè)。
地理加權(quán)回歸（GWR）通過(guò)為研究區(qū)域內(nèi)任意數(shù)量的位置估計(jì)一組參數(shù)來(lái)擴(kuò)展熟悉的回歸框架，而不是為模型中指定的每個(gè)關(guān)系生成單個(gè)參數(shù)估計(jì)。 最近的文獻(xiàn)表明，GWR極易受到解釋變量之間多重共線(xiàn)性影響的影響，并提出了一系列多重共線(xiàn)性的局部度量作為潛在問(wèn)題的指標(biāo)。 在本文中，我們采用受控仿真來(lái)證明GWR實(shí)際上對(duì)多重共線(xiàn)性的影響非常穩(wěn)健。 因此，需要重新考慮GWR極易受到多重共線(xiàn)性問(wèn)題的影響。Stewart Forthingham院士團(tuán)隊(duì)的城固，分析了GWR與多重共線(xiàn)性的關(guān)系，從仿真結(jié)果來(lái)看，多重共線(xiàn)性對(duì)GWR的影響是穩(wěn)健的。非常有意思的一個(gè)結(jié)論。
短期空氣污染事件促使人們更好地理解空氣污染與急性發(fā)病和死亡事件之間的關(guān)系，并觸發(fā)了所需的緩解計(jì)劃。已經(jīng)采用了多種方法來(lái)評(píng)估空氣污染事件的暴露程度，包括基于GIS的擴(kuò)散模型，稀疏監(jiān)視站點(diǎn)之間的插值，土地利用回歸模型，優(yōu)化模型，線(xiàn)或面積擴(kuò)散羽狀模型以及使用信息的模型。來(lái)自成像衛(wèi)星，通常包括土地利用和氣象變量。越來(lái)越多地使用人造衛(wèi)星氣溶膠產(chǎn)品來(lái)評(píng)估短期空氣質(zhì)量事件。它們提供了更好的空間覆蓋范圍，但目前是以低時(shí)間覆蓋范圍和粗略的空間分辨率為代價(jià)的。這是關(guān)于使用衛(wèi)星數(shù)據(jù)為短期空氣質(zhì)量和污染事件建模的簡(jiǎn)短回顧。該評(píng)估可以作為使用衛(wèi)星產(chǎn)品對(duì)空氣質(zhì)量進(jìn)行建模的實(shí)用指南，因?yàn)樗ㄑ芯吭O(shè)計(jì)和模型開(kāi)發(fā)階段均應(yīng)考慮的重要問(wèn)題。該領(lǐng)域的進(jìn)展是詳細(xì)的，包括已發(fā)布的模型及其在環(huán)境和健康研究中的使用。涵蓋了當(dāng)前和未來(lái)的衛(wèi)星能力。它還提供了訪問(wèn)和下載相關(guān)數(shù)據(jù)集的鏈接，以及一些用于數(shù)據(jù)處理和建模的示例R代碼。一篇關(guān)于衛(wèi)星估算PM2.5與短期污染時(shí)間策略的綜述，非常詳盡，提供了很多有利的研究進(jìn)展與該領(lǐng)域研究概況。
混合土地用途已被廣泛用作改善城市功能的規(guī)劃工具。然而，由于其復(fù)雜性，描繪混合土地用途相當(dāng)困難。先前的研究已經(jīng)使用遙感圖像或地理空間大數(shù)據(jù)分解了城市土地區(qū)域。由于缺乏方法，很少有研究將這兩個(gè)數(shù)據(jù)源結(jié)合在一起。本文提出了一種端到端兩流卷積神經(jīng)網(wǎng)絡(luò)（CNN），用于通過(guò)結(jié)合高空間分辨率（HSR）圖像和真實(shí)的時(shí)間騰訊用戶(hù)密度（RTUD）數(shù)據(jù)。兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)（一個(gè)用于圖像信息提取，另一個(gè)用于與人類(lèi)活動(dòng)相關(guān)的信息提?。┯糜跇?gòu)造CF-CNN的兩個(gè)分支?？梢酝ㄟ^(guò)在街區(qū)一級(jí)計(jì)算每種土地利用類(lèi)型的比例來(lái)描述混合土地利用。與使用單源數(shù)據(jù)的方法相比，CF-CNN獲得了最高的分類(lèi)精度。我們進(jìn)一步應(yīng)用了香農(nóng)多樣性指數(shù)（SHDI）來(lái)量化城市群的混合土地利用。計(jì)算了SHDI，社區(qū)距離和鄰里活力之間的Spearman相關(guān)系數(shù)，以驗(yàn)證混合土地利用組合的有效性。我們的框架通過(guò)整合多源數(shù)據(jù)提供了一種識(shí)別混合土地利用結(jié)構(gòu)的替代方法。地大姚堯老師團(tuán)隊(duì)的成果，結(jié)合高分辨率影像與地理空間大數(shù)據(jù)（騰訊LBS數(shù)據(jù)），結(jié)合兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)估算街區(qū)尺度土地利用混合比例，發(fā)表于遙感口top期刊TGRS上的雄文。
衡量經(jīng)濟(jì)活動(dòng)的地理分布在科學(xué)研究和政策制定中起著關(guān)鍵作用。但是，先前關(guān)于經(jīng)濟(jì)活動(dòng)的研究和數(shù)據(jù)要么具有較粗糙的空間分辨率，要么涵蓋有限的時(shí)間跨度，而且社會(huì)經(jīng)濟(jì)動(dòng)態(tài)的高分辨率特征在很大程度上尚不清楚。在這里，我們構(gòu)建了有關(guān)中國(guó)大陸經(jīng)濟(jì)活動(dòng)的數(shù)據(jù)集，即網(wǎng)格化的企業(yè)數(shù)據(jù)集（GED），該數(shù)據(jù)集可測(cè)量經(jīng)緯度為0.01°的經(jīng)緯度范圍為0.01°的機(jī)構(gòu)的數(shù)量。具體而言，我們的數(shù)據(jù)集捕獲了2005-2015年間在中國(guó)大陸注冊(cè)的大約2550萬(wàn)家公司的地理分布。細(xì)粒度和長(zhǎng)期可觀察性的特性使GED具有很高的應(yīng)用價(jià)值。該數(shù)據(jù)集不僅使我們能夠量化場(chǎng)所的時(shí)空格局，城市活力和社會(huì)經(jīng)濟(jì)活動(dòng)，而且還有助于我們揭示工業(yè)和經(jīng)濟(jì)發(fā)展動(dòng)態(tài)基礎(chǔ)的基本原理。北京大學(xué)劉瑜老師團(tuán)隊(duì)的成果，目前是預(yù)印本，提供了一套高質(zhì)量的由注冊(cè)公司網(wǎng)格化形成的數(shù)據(jù)，可以作為中國(guó)經(jīng)濟(jì)活動(dòng)的代理變量。
土地利用集約化導(dǎo)致生物多樣性喪失，這通過(guò)改變植物功能性狀而影響生態(tài)系統(tǒng)特性和服務(wù)。然而，土地利用強(qiáng)度（LUI）通過(guò)其影響功能特征和生態(tài)系統(tǒng)特性的生態(tài)系統(tǒng)服務(wù)的機(jī)制途徑仍不清楚。我們研究了中國(guó)熱帶海南島的土地利用變化，植物功能性狀，生態(tài)系統(tǒng)特性和土壤水養(yǎng)護(hù)之間的關(guān)系，這些地區(qū)的土地利用變化，生物多樣性喪失和季節(jié)性干旱均對(duì)其產(chǎn)生了嚴(yán)重影響。土壤水養(yǎng)護(hù)以?xún)蓚€(gè)互補(bǔ)過(guò)程為代表，即土壤保水率（SWR）和土壤水分捕獲（SWC）。在發(fā)生27次降雨事件（14次輕度，10次中度和3次重度）后，沿著LUI梯度觀測(cè)到SWR和SWC。我們量化了LUI的直接和間接影響，與水有關(guān)的植物功能性狀（樹(shù)高，葉厚，比葉面積和葉干物質(zhì)含量）的社區(qū)加權(quán)平均值（CWM）和功能差異（FDvar），以及貝葉斯結(jié)構(gòu)方程模型在西南海和西南半球的生態(tài)系統(tǒng)特性結(jié)果表明，LUI不會(huì)直接影響SWC和SWR，但會(huì)通過(guò)功能性狀和生態(tài)系統(tǒng)特性產(chǎn)生間接影響。重要的是，樹(shù)高FDvar介導(dǎo)了LUI對(duì)SWC和SWR的最重要的間接影響。樹(shù)高FDvar通過(guò)生態(tài)系統(tǒng)特性間接影響SWC，而隨著降雨強(qiáng)度的增加，影響的方向從負(fù)向正轉(zhuǎn)變，并通過(guò)增加凋落物和土壤有機(jī)質(zhì)直接或間接地促進(jìn)了SWR。我們的結(jié)果進(jìn)一步提供了LUI主要通過(guò)樹(shù)高FDvar間接影響土壤水保持的證據(jù)。 LUI導(dǎo)致植物高度功能多樣性的喪失導(dǎo)致SWR和SWC降低，表明季節(jié)性干旱導(dǎo)致影響增加。研究結(jié)果強(qiáng)調(diào)，在熱帶土地利用中保持樹(shù)高的功能多樣性有利于土壤水養(yǎng)護(hù)，減輕氣候變化帶來(lái)的季節(jié)性干旱加劇。歐陽(yáng)志云老師團(tuán)隊(duì)的成果，分析土地利用變化，植物功能性狀，生態(tài)系統(tǒng)特性和土壤水養(yǎng)護(hù)之間的關(guān)系。
近年來(lái)，有關(guān)經(jīng)濟(jì)增長(zhǎng)與環(huán)境污染之間關(guān)系的爭(zhēng)論引起了學(xué)術(shù)研究人員和政策制定者的極大關(guān)注。在實(shí)證研究中，過(guò)度使用了空間計(jì)量經(jīng)濟(jì)學(xué)模型，而過(guò)分強(qiáng)調(diào)統(tǒng)計(jì)程序。在這項(xiàng)研究中，我們通過(guò)使用空間杜賓模型對(duì)中國(guó)城市的經(jīng)濟(jì)增長(zhǎng)與CO2排放之間的關(guān)系進(jìn)行更嚴(yán)格的分析，為現(xiàn)有文獻(xiàn)做出了貢獻(xiàn)。我們的結(jié)果表明，二氧化碳排放量相對(duì)于城市一級(jí)的經(jīng)濟(jì)增長(zhǎng)而言呈單調(diào)增加，并且中部地區(qū)經(jīng)濟(jì)增長(zhǎng)的推動(dòng)作用略小于東部和西部地區(qū)。除經(jīng)濟(jì)增長(zhǎng)外，行業(yè)在經(jīng)濟(jì)中的份額是CO2排放的主要驅(qū)動(dòng)力，而技術(shù)進(jìn)步（通過(guò)單位國(guó)內(nèi)生產(chǎn)總值（GDP）的能源強(qiáng)度衡量）和環(huán)境治理的有效性使環(huán)境Kuznets的形態(tài)趨于平坦。曲線(xiàn)。我們提供了解釋變量對(duì)CO2排放的局部溢出效應(yīng)的證據(jù)。發(fā)現(xiàn)中國(guó)城市存在與二氧化碳排放有關(guān)的經(jīng)濟(jì)競(jìng)爭(zhēng)和技術(shù)擴(kuò)散。我們還發(fā)現(xiàn)，僅當(dāng)給定城市的人均GDP低于493美元（以2010年不變價(jià)美元計(jì)算）時(shí)，城市之間的碳泄漏量才會(huì)出現(xiàn)。執(zhí)行健壯性檢查時(shí)，結(jié)果保持不變。決策者在制定減碳政策時(shí)應(yīng)仔細(xì)考慮地區(qū)差異和因素之間固有的空間相互作用。黃波老師團(tuán)隊(duì)的成果，利用空間計(jì)量經(jīng)濟(jì)模型分析地方經(jīng)濟(jì)發(fā)展與二氧化碳排放的關(guān)系。
19.Spatial sampling for a rabies vaccination schedule in rural villages/農(nóng)村村莊狂犬病疫苗接種時(shí)間表的空間采樣
自1954年以來(lái)，在南部高地地區(qū)已有報(bào)道稱(chēng)，坦桑尼亞正在努力遏制狂犬病，目前坦桑尼亞的所有地區(qū)都在流行。已經(jīng)確定，至少70％的家畜種群的大規(guī)模疫苗接種在減少狂犬病的傳播方面是最有效的。坦桑尼亞村莊目前的疫苗接種運(yùn)動(dòng)面臨許多行政和后勤挑戰(zhàn)。動(dòng)物可以自由漫游，因此不可能進(jìn)行全面的疫苗接種。提出了村莊中家庭的空間抽樣，其中最優(yōu)性是通過(guò)接種者步行為每個(gè)抽樣家庭接種疫苗的步行距離來(lái)衡量的。步行距離是通過(guò)在最佳確定的停車(chē)點(diǎn)之間合并驅(qū)動(dòng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)的，接種者隨后從步行點(diǎn)開(kāi)始步行以進(jìn)行疫苗接種，同時(shí)確保70％的動(dòng)物種群覆蓋率。我們使用模擬說(shuō)明了真實(shí)數(shù)據(jù)集上的采樣方案。發(fā)現(xiàn)系統(tǒng)的常規(guī)空間采樣是最佳的。提出的疫苗接種計(jì)劃為管理疫苗接種活動(dòng)提供了有效的方法。分析疫苗接種時(shí)間的空間采樣，是一個(gè)非常有意思的研究，即在有限時(shí)間內(nèi)有效地根據(jù)人群流動(dòng)特征把保證接種疫苗的人成功接種，可以實(shí)現(xiàn)真正意義上的群體免疫。該研究也可以提供給目前COVID-19疫苗接種的思路。
隨著中國(guó)城市化進(jìn)程的迅速發(fā)展，人為的反應(yīng)性氮（Nr）釋放到城市環(huán)境中會(huì)導(dǎo)致水資源枯竭和水質(zhì)嚴(yán)重惡化。這項(xiàng)研究通過(guò)使用灰色水足跡（GWF）和水污染水平（WPL）指標(biāo)評(píng)估了城市化城市（中國(guó)深圳）中與氮有關(guān)的水污染，涉及水體Nr釋放對(duì)行政區(qū)和相關(guān)城市河流的潛在影響在城市內(nèi)。結(jié)果表明，2001-2016年城市水體Nr釋放量動(dòng)態(tài)減少，平均N為15980 t N，伴隨的是灰色水足跡從23.06××108減少到15.56××108 m3，主要來(lái)自居民活動(dòng)。寶安和龍崗兩個(gè)行政區(qū)是2012-2016年期間主要的全球GWF生產(chǎn)國(guó)。潛在WPL極高的城市河流地區(qū)主要位于寶安北部和龍崗東北部，水污染發(fā)展的風(fēng)險(xiǎn)仍散布在深圳市的城市供水網(wǎng)絡(luò)中。為減輕城市水污染，需要采取幾種策略（鼓勵(lì)可持續(xù)的生活方式，改善基礎(chǔ)設(shè)施并制定地區(qū)一級(jí)的全球自然基金會(huì)減排目標(biāo)）。這項(xiàng)研究提供了洞察城市中減輕水體氮污染，應(yīng)對(duì)當(dāng)前水挑戰(zhàn)的同化能力狀況的見(jiàn)識(shí)。歐陽(yáng)志云老師團(tuán)隊(duì)的成果，關(guān)于分析人為的反應(yīng)性氮，灰色水足跡與水安全的研究。
Huff模型旨在根據(jù)購(gòu)物中心的吸引力和客戶(hù)的旅行費(fèi)用估算購(gòu)物中心光顧的可能性。在本文中，我們嘗試通過(guò)使用出租車(chē)軌跡GPS數(shù)據(jù)并共享自行車(chē)GPS數(shù)據(jù)來(lái)校準(zhǔn)中國(guó)深圳和美國(guó)紐約的Huff模型，從而發(fā)現(xiàn)一些一般的購(gòu)物趨勢(shì)。使用地理和時(shí)間加權(quán)回歸（GTWR）擬合模型，并將校準(zhǔn)結(jié)果與普通最小二乘（OLS）回歸，地理加權(quán)回歸（GWR）和時(shí)間加權(quán)回歸（TWR）進(jìn)行比較。結(jié)果表明，由于吸引力和旅行成本的霍夫模型參數(shù)的明顯地理和時(shí)間變化，GTWR的性能最高。為了解釋地域差異，我們使用深圳和紐約的房屋銷(xiāo)售價(jià)格和租金價(jià)格來(lái)代替每個(gè)地區(qū)客戶(hù)的財(cái)富。皮爾遜產(chǎn)品與商品時(shí)間的相關(guān)性結(jié)果顯示，本地化銷(xiāo)售和租金價(jià)格與吸引力的Huff模型參數(shù)之間存在中等關(guān)系：也就是說(shuō)，客戶(hù)財(cái)富說(shuō)明了對(duì)購(gòu)物區(qū)吸引力的地理敏感性。為了解釋時(shí)間變化，我們使用深圳和紐約的人口普查數(shù)據(jù)來(lái)提供每個(gè)地區(qū)的工作概況分布，以此來(lái)估計(jì)客戶(hù)的閑暇時(shí)間?；貧w結(jié)果表明，閑暇時(shí)間的長(zhǎng)短與購(gòu)物區(qū)吸引力參數(shù)之間存在顯著的線(xiàn)性關(guān)系。特別是，我們證明，閑暇時(shí)間較少的富?？蛻?hù)對(duì)購(gòu)物中心的吸引力更加敏感。我們還發(fā)現(xiàn)客戶(hù)對(duì)旅行距離的敏感性與其旅行方式有關(guān)。尤其是，與騎出租車(chē)的人相比，騎自行車(chē)去購(gòu)物區(qū)的人們更關(guān)心旅行距離。最后，結(jié)果顯示，紐約和深圳的客戶(hù)在周末之間的行為存在差異。紐約的顧客更喜歡在周末在本地購(gòu)物，而深圳的顧客則不太在乎行程距離。我們提供霍夫模型的GTWR校準(zhǔn)作為我們的理論貢獻(xiàn)。 GTWR將Huff模型擴(kuò)展到兩個(gè)維度（時(shí)間和空間），以分析居民在不同時(shí)間和位置的出行行為的差異。我們還將提供影響城市出行行為（財(cái)富和就業(yè)）的因素的發(fā)現(xiàn)，作為可能有助于優(yōu)化城市交通設(shè)計(jì)的實(shí)際貢獻(xiàn)。尤其是，居民對(duì)購(gòu)物區(qū)吸引力的敏感性與房?jī)r(jià)呈顯著正線(xiàn)性關(guān)系，與居民的閑暇時(shí)間呈顯著負(fù)線(xiàn)性關(guān)系。利用出租車(chē)GPS軌跡數(shù)據(jù)與GTWR對(duì)時(shí)空Huff模型做校準(zhǔn)?？梢哉f(shuō)是一個(gè)典型的新地理大數(shù)據(jù)改進(jìn)傳統(tǒng)地學(xué)模型的案例，非常值得一看。
22.The scales of human mobility/人口流動(dòng)的尺度
當(dāng)前我們對(duì)個(gè)人和集體出行方式的理解的核心是矛盾。一方面，在對(duì)大量經(jīng)驗(yàn)數(shù)據(jù)集進(jìn)行分析的驅(qū)動(dòng)下，關(guān)于人類(lèi)活動(dòng)性的大量文獻(xiàn)研究發(fā)現(xiàn)，人類(lèi)活動(dòng)沒(méi)有顯示出特征性空間尺度的證據(jù)。在那里，人們的流動(dòng)性被描述為無(wú)標(biāo)度。另一方面，在地理上，比例尺的概念（指從各個(gè)建筑物到鄰里，城市，地區(qū)和國(guó)家的有意義的描述水平）對(duì)于描述人類(lèi)行為的各個(gè)方面（如社會(huì)經(jīng)濟(jì)互動(dòng)，政治或政治，社會(huì)和文化）至關(guān)重要。文化動(dòng)態(tài)4.，5。在這里，我們通過(guò)證明日常的人類(lèi)活動(dòng)確實(shí)包含有意義的尺度來(lái)解決這一明顯的悖論，這與限制行動(dòng)行為的空間“容器”相對(duì)應(yīng)。無(wú)標(biāo)度的結(jié)果是由于容器之間的總位移而產(chǎn)生的。我們給出一個(gè)簡(jiǎn)單的模型（給出一個(gè)人的軌跡），推斷出他們的鄰居，城市等，以及這些地理容器的大小。我們發(fā)現(xiàn)，具有超過(guò)700,000個(gè)人特征的容器確實(shí)具有典型的尺寸。我們證明了我們的模型還能夠生成高度現(xiàn)實(shí)的軌跡，并提供了一種了解國(guó)家，性別群體和城鄉(xiāng)地區(qū)之間流動(dòng)行為差異的方法。Nature上一篇文章，關(guān)于分析human mobility的尺度問(wèn)題。當(dāng)前的human mobility已成為各種地理環(huán)境與生態(tài)研究的人類(lèi)活動(dòng)的主要刻畫(huà)指標(biāo)。非常值得一看的文章。
人們普遍認(rèn)為，綠色空間的可利用性是宜居環(huán)境和人類(lèi)福祉的關(guān)鍵方面。越來(lái)越多的社區(qū)認(rèn)為，綠色空間的可及性在社區(qū)之間是否公平，已成為環(huán)境正義的問(wèn)題。因此，本研究的重點(diǎn)是在中國(guó)蓬勃發(fā)展的住房市場(chǎng)背景下，住宅社區(qū)之間可能存在的綠色空間可及性環(huán)境不平等現(xiàn)象。中國(guó)上海的案例研究是利用大數(shù)據(jù)進(jìn)行的。開(kāi)發(fā)了基于Amap應(yīng)用程序編程接口（AAPI）的實(shí)時(shí)導(dǎo)航路線(xiàn)測(cè)量，以計(jì)算綠色空間的可及性，并使用住房?jī)r(jià)格來(lái)指示居民的社會(huì)經(jīng)濟(jì)狀況。采用雙變量Moran I，多元回歸和空間滯后回歸來(lái)探討居住社區(qū)之間綠色空間可及性的不平等性。結(jié)果表明，城市中心地區(qū)的社區(qū)與城市周邊地區(qū)的社區(qū)之間的綠色空間可及性在空間上不平等。我們進(jìn)一步發(fā)現(xiàn)綠色空間可及性與房?jī)r(jià)之間的空間不匹配。內(nèi)環(huán)和中環(huán)道路上存在明顯的環(huán)境不平等現(xiàn)象，富裕社區(qū)比處境不利的社區(qū)從綠色空間可及性中受益更多。我們將這些發(fā)現(xiàn)歸因于上海的空間重組和綠色高檔化進(jìn)程。研究結(jié)果可以幫助規(guī)劃人員和政策制定者確定在何處以及如何實(shí)施綠化戰(zhàn)略，并提高認(rèn)識(shí)以防止環(huán)境不平等。Landscape and Urban Planning上的一篇文章，基于大數(shù)據(jù)分析（API）計(jì)算綠色空間可達(dá)性，并結(jié)合莫蘭指數(shù)，多元回歸與空間滯后回歸分析環(huán)境不平等問(wèn)題。
