資源整理。
1 Coding:
1.Rstudio2019年會“機器學習應用”的幻燈片袒炉，代碼和數(shù)據(jù)
2.R語言包sparkxgb氧腰，Spark上XGBoost的R接口。
3.自動SQL注入和數(shù)據(jù)庫接管工具妆偏。
4.最新的深度學習技術(shù)應用于自然語言處理的概覽刃鳄。
5.來自美國GIS第一高校加州大學圣塔芭芭拉分校的地理學課程178/258（地理科學的概念建模與編程）的網(wǎng)頁。在Github推出可以教學的class模式后有很多諸如此類的課程可以關(guān)注楼眷。
6.Python庫geetools铲汪，Google Earth Engine的工具。
7.哥倫比亞大學2019年春季機器學習應用課程材料罐柳。
8.R語言包gt掌腰，更方便地用R生成信息豐富具有出版質(zhì)量的表格。
9.2019年冬季R語言空間研討會张吉。
10.如何制作Shiny的書齿梁。
11.fasai深度學習庫、課程以及教程。
12.阿里天池大賽O2O優(yōu)惠券使用預測比賽第一名代碼勺择。
13.深度學習研究論文筆記與綜述创南。
14.高光譜論文（代碼）。
15.SNIPER是一種有效的多尺度目標探測算法省核。
16.基于U-Net架構(gòu)的端到端一類實例分割稿辙，用于Kaggle的Data Science Bowl 2018。
17.從要素屬性添加功能級別tippecanoe GeoJSON擴展气忠。
geojson tippecanoe extensions from attributes
18.Python庫responder邻储，熟悉的http服務Python框架。
19.Rstudio2019年會關(guān)于統(tǒng)計教育的談話材料旧噪。
20.Rstudio的addin用于查看空間對象吨娜。
21.Rstudio的addin用于編輯地圖。
22.UCL地理學院的geog0133課程“陸地碳：建模與監(jiān)測”實踐淘钟。
2 Paper:
中國普遍存在坡耕地宦赠，坡耕地土壤流失是河流沉積的主要來源。在控制水蝕方面米母，有效地考慮了最小的土壤干擾實踐勾扭，特別是在坡地農(nóng)田。雖然它們的有益效果已得到普遍認可爱咬，但仍需要進一步研究尺借，以量化減少徑流和沉積物產(chǎn)量的最小土壤擾動實踐的程度。我們提出了一項基于全國性meta分析的定量評估精拟，包括536次徑流和615次沉積物配對觀測燎斩，以評估最小土壤干擾實踐在控制中國水蝕方面的有效性。中國最小土壤擾動實踐分別使徑流和泥沙產(chǎn)量減少36.09％和51.69％蜂绎。收集土壤形成免耕壟栅表，用樹籬和微盆地耕作輪廓耕作顯示出比其他三種做法（免耕，免耕覆蓋和輪廓耕作）顯著更大（P <0.05）徑流和沉積物產(chǎn)量減少师枣。通過微地形學管理改變土壤性質(zhì)的做法優(yōu)于（P <0.05）改變土壤性質(zhì)而不進行耕作以減少徑流和沉積物產(chǎn)量的做法怪瓶。除了直接減少徑流外，由于其附加效應践美，最小土壤擾動實踐在減少泥沙產(chǎn)量方面比徑流更有效洗贰。沒有觀察到徑流或沉積物減產(chǎn)與坡度之間的相關(guān)性，而最小土壤擾動實踐的水蝕控制效率隨著坡長的增加而增加陨倡。作為一種水土保持措施敛滋，中國坡耕地可以采用最小的土壤擾動措施。傅伯杰院士團隊的成果兴革，使用meta分析分析土壤擾動和水蝕的影響绎晃，發(fā)表于農(nóng)林科學top期刊LDD蜜唾。
衛(wèi)星遙感是一種很有潛力的地面PM2.5估算方法。在本文中庶艾，提出了一個基于衛(wèi)星的PM2.5估計的深度學習框架袁余。利用多層學習和逐層預訓練，深度學習具有挖掘PM2.5與衛(wèi)星觀測之間非線性關(guān)系的巨大潛力咱揍。首先颖榜，所提出的深度學習框架可用于利用衛(wèi)星導出的氣溶膠光學厚度（AOD）估算地面PM2.5。其次述召，AOD產(chǎn)品是從衛(wèi)星頂部大氣（TOA）反射率中檢索出來的朱转。可以進一步采用深度學習框架积暖，直接從衛(wèi)星TOA反射率估算地面PM2.5。所提出的框架分別在中國進行了基于AOD的PM2.5估算和武漢都市區(qū)的基于反射率的PM2.5估算怪与。結(jié)果表明夺刑，深度學習框架在基于AOD和基于反射的PM2.5估計中都表現(xiàn)出色。該研究為基于衛(wèi)星的PM2.5估計提供了有效的方法分别。深度學習在PM2.5估算中的應用遍愿，張良培老師團隊成果，發(fā)表于IGARSS會議耘斩。比較有意思的是不僅僅基于AOD估算沼填，也有基于TOA的估算，這樣子應用價值會更高括授。
本研究使用遙感影像來描述土地利用/覆蓋模式坞笙，并推導出緬甸最大的城市群Greater Yangon的地表溫度（LST），以提供土地利用/覆蓋與季節(jié)荚虚，白天和夜間LST變化薛夜。對1987年至2015年Landsat影像的分析顯示，城市擴張從市中心和沿著突出的河流輻射版述，建成用地（6.4％）和草地（10.1％）大幅增加梯澜，隨之而來的農(nóng)地減少（17％）。對MODIS LST的檢查表明渴析，在炎熱季節(jié)白天晚伙，農(nóng)業(yè)用地比城市核心溫暖，而在寒冷季節(jié)俭茧，城市核心在白天和夜間都比農(nóng)村環(huán)境溫暖咆疗。相關(guān)分析顯示，從2000年到2015年恢恼，建成地與夜間LST之間存在更強的聯(lián)系民傻，表明城市熱島效應增加。此外，本研究強調(diào)了與土地利用/覆蓋對LST影響的先前工作的兩個主要差異漓踢。首先牵署，對LST具有重大整體影響的主要土地利用/覆蓋類型是農(nóng)業(yè)用地，其標志是所有分析時期的統(tǒng)計顯著相關(guān)系數(shù)喧半。這一發(fā)現(xiàn)強調(diào)了農(nóng)業(yè)及相關(guān)做法對大氣和氣候系統(tǒng)的影響奴迅。其次，LST的時間分析突出了水的更強和更復雜的作用挺据，因為它與白天LST呈負相關(guān)取具，與夜間LST呈正相關(guān)。本研究的結(jié)果強調(diào)了土地利用/覆蓋對仰光LST空間和時間變化的更復雜影響扁耐，與之前在城市地區(qū)普遍報告高LST的工作相比暇检。這些見解提高了對土地變化后果對LST時間動態(tài)的理解，并可以支持可持續(xù)土地利用規(guī)劃婉称，以改善大仰光居民的福祉块仆。長時間序列遙感分析，耦合兩種衛(wèi)星（MODIS和Landsat）王暗，當然對這個結(jié)果和方法沒有覺得特別突出的點悔据。兩種不同分辨率衛(wèi)星如何進行分析，目前從摘要也沒有發(fā)現(xiàn)俗壹。查看了下原文科汗，應該是統(tǒng)計了Landsat土地覆被上不同類型的MODIS LST做的分析。做了比較多工作绷雏。
黑河流域位于中國西北干旱半干旱地區(qū);在過去的80年里头滔，該流域分別經(jīng)歷了灌溉農(nóng)業(yè)與中下游生態(tài)需求之間的水資源競爭。利用Sven Hedin博士在20世紀30年代創(chuàng)建的地圖之众，1961年拍攝的日冕衛(wèi)星影像和Landsat專題制圖（TM）拙毫，對黑河流域下游的額濟納三角洲的土地覆蓋進行了四個不同時期的解釋和分析」缀蹋總體而言缀蹄，結(jié)果表明：（1）20世紀30年代地圖的粗分辨率增加了研究區(qū)域的分析不確定性;（2）額濟納三角洲的河流面積從20世紀30年代下降了91.0％此外，兩個主要的終端湖泊Gaxun Nuur Lake和Sogo Nuur Lake分別于1961年和1992年枯竭膘婶，胡楊面積從20世紀30年代到2000年減少了76.1％缺前。大多數(shù)蘆葦被灌木覆蓋。 20世紀30年代至1961年間悬襟，蘆葦面積從3481平方公里減少到1332平方公里衅码，灌木面積從805平方公里增加到2795平方公里。從20世紀30年代到2000年脊岳，沙漠和堿性土地面積分別增加了42.2％和52.4％逝段。 （3）2000年實施調(diào)水工程后垛玻，2010年蘇哥努爾湖面積恢復到40.58平方公里。胡楊奶躯，灌木叢和蘆葦?shù)鹊貐^(qū)呈現(xiàn)恢復趨勢帚桩，增幅分別為4.5％，6.5％嘹黔，到2010年账嚎，沙漠和堿性土地面積分別下降了4.2％和15.2％。耕地面積從1961年的25平方公里增加到2000年的85平方公里儡蔓，迅速接近160平方公里郭蕉。隨著時間的推移，這些變化表明喂江，額齊納三角洲的生態(tài)棲息地在20世紀30年代和2000年之間惡化召锈。但是，水轉(zhuǎn)移項目有效地改變了退化趨勢获询⊙萄跨度長達80年的土地覆被變化研究。
氣溶膠自動監(jiān)測網(wǎng)絡（AERONET）使用Cimel Electronique Sun-sky輻射計提供了超過25年的氣溶膠光學厚度（AOD）的高精度，地面實況測量阻肿。在AERONET數(shù)據(jù)庫的第2版（V2）中瓦戚，近實時AOD主要使用云屏蔽方法進行半自動質(zhì)量控制，而被云污染或受儀器異常影響的額外AOD數(shù)據(jù)在獲得質(zhì)量保證狀態(tài)之前被手動刪除（等級2.0）丛塌。在過去25年中较解，AERONET站點數(shù)量的大幅增長導致以一致的方式對數(shù)百萬次測量的手動質(zhì)量控制造成重大負擔。 AERONET版本3（V3）算法提供全自動云篩選和儀器異常質(zhì)量控制赴邻。所有這些新算法更新都適用于近實時數(shù)據(jù)以及現(xiàn)場部署后處理數(shù)據(jù)印衔，AERONET在2018年對數(shù)據(jù)庫進行了重新處理。完整的算法重新開發(fā)提供了改進數(shù)據(jù)輸入和校正的機會姥敛，例如獨特的過濾器 - 所有可見光和近紅外波長的特定溫度特征奸焙，更新的氣體和水蒸氣吸收系數(shù)以及輔助數(shù)據(jù)集。 2.0級AOD質(zhì)量保證數(shù)據(jù)集現(xiàn)已在現(xiàn)場校準后一個月內(nèi)提供，將滯后時間從幾個月減少到幾個月。使用符合V3 Level 2.0 AOD的數(shù)據(jù)并考慮使用前場校準計算的AOD與使用前場和場后校準計算的AOD之間的差異來確定近實時估計的不確定性照棋。該評估提供近實時不確定性估計招驴，其中AOD的平均差異表明+0.02偏差和一個sigma不確定性為0.02，但是對于特定儀器部署巴比，偏差和不確定性可能顯著更大。分析整個V3和V2數(shù)據(jù)庫的長期月平均值產(chǎn)生+0.002的平均差異（V3-V2）和±0.02SD（標準差），但是使用兩個數(shù)據(jù)庫中的時間匹配觀察計算的月平均值進行計算平均差異為-0.002阵翎，±0.004SD逢并。多年平均AOD的高統(tǒng)計協(xié)議驗證了先進的自動數(shù)據(jù)質(zhì)量控制算法，并建議將研究遷移到V3數(shù)據(jù)庫將證實大多數(shù)V2研究結(jié)論郭卫，并可能在某些情況下導致更準確的結(jié)果砍聊。AERONET數(shù)據(jù)質(zhì)量改善的文章，推進AOD反演的關(guān)鍵要素箱沦。
我們開發(fā)了一項方案辩恼，通過日本氣象廳最新的地球同步衛(wèi)星Himawari-8上的Advanced Himawari Imager（AHI）改進氣溶膠光學厚度（AOT）的每小時估算。利用AHI的采樣特征（10分鐘時間和亞測量空間分辨率）谓形，我們從觀測（AOToriginal）量化AOT的時間和空間變化灶伊，并利用這些信息開發(fā)一個小時算法，產(chǎn)生兩組派生的AOT ：AOTpure寒跳，通過對AOToriginal進行嚴格的云掩膜和AOTmerged聘萨，從AOTpure的空間和時間插值得到。如此從每小時算法獲得的AOT根據(jù)來自氣溶膠機器人網(wǎng)絡的測量值進行驗證童太。 AOTpure和AOTmerged產(chǎn)品的均方根誤差（RMSEs）分別為0.14和0.11米辐，比AOT原劑的RMSE提高了0.20。目前向日葵8號衛(wèi)星AOT產(chǎn)品的算法論文书释，每小時估算的AOT翘贮。筆者最近對這個衛(wèi)星有所研究，后面也會稍微介紹下爆惧±暌常總的來說AOT還是比較稀疏的（受到很多不可控因素）。
高時間氣溶膠光學厚度（AOD）可用于反演排放模型和全面了解氣溶膠的氣候?qū)W扯再。地球同步衛(wèi)星已被用于在陸地和海洋上獲得AOD芍耘。在這項研究中，開發(fā)了一種用于高級Himawari-8成像儀（SARAHI）的新型簡化氣溶膠反演算法熄阻，用于從新一代地球靜止氣象衛(wèi)星-Himawari-8中反演北京每小時AOD斋竞，該衛(wèi)星攜帶先進的Himawari成像儀（AHI）。該算法基于簡化的輻射傳輸模型和表面反射率秃殉，該表面反射率來自一個月的AHI表觀數(shù)據(jù)坝初。來自AErosol RObotic NETwork（AERONET）站點和JAXA Himawari Monitor Version 2.0氣溶膠反演產(chǎn)品（L2ARP2.0）的測量用于評估來自SARAHI算法的AOD反演的性能。 AOD反演的73.5％复濒，78.2％脖卖，74.7％分別落在Beijing_CAMS，Beijing_RADI和香河站點的預期誤差線上巧颈。相關(guān)系數(shù)大于0.92畦木，小均方根誤差（RMSE）為0.134-0.164。檢索也可以非常好地反映AOD的時間變化砸泛。結(jié)果表明十籍，SARAHI AOD算法能夠準確地推導出區(qū)域AOD蛆封，并且優(yōu)于L2ARP2.0 AOD。簡化的向日葵8號AOD反演算法勾栗。
8.Validation of Himawari-8 Aerosol Optical Depth Retrievals over China/Himawari-8氣溶膠光學厚度反演在中國的驗證
衛(wèi)星傳感器很少提供高時間分辨率（每10分鐘）氣溶膠觀測惨篱。 Himawari-8上的高級Himawari成像儀（AHI）可以在此頻率下提供中國的氣溶膠光學厚度（AOD）。該傳感器提供了很好的機會來檢索地面附近的顆粒物質(zhì)围俘，并使用氣溶膠產(chǎn)品改善空氣質(zhì)量建模砸讳。但是，關(guān)于AHI AOD仍然缺乏質(zhì)量驗證界牡〔炯牛基于在中國的AErosol RObotic NETwork（AERONET）和Sun-Sky輻射計觀測網(wǎng)絡（SONET）中的16個太陽光度計站，進行了綜合研究以評估AHI氣溶膠產(chǎn)品的性能宿亡。 AHI AOD和地面AOD的總體比較顯示出高相關(guān)性（R2 = 0.67）常遂。然而，只有55％的AHI AOD落入預期的誤差包絡（±0.05±0.2 * AOD地面）挽荠。 AHI AOD和地面AOD之間的AOD偏差隨著AOD幅度的增加而增加克胳。 AHI AOD的準確性也高度依賴于季節(jié)和地表覆蓋類型。夏季和城市地區(qū)展示了AHI氣溶膠回收的最佳性能圈匆。晝夜變異性驗證表明漠另，AHI AOD可以很好地捕捉晝夜AOD變化，尤其是夏季跃赚。顯示了AHI AOD和MODerate-resolution成像光譜儀（MODIS）氣溶膠產(chǎn)品之間的巨大差異酗钞，特別是在中國西北地區(qū)。分析表明来累，AHI氣溶膠回收的不確定性是由氣溶膠模型的大誤差和算法中的表面反射率估計引起的。向日葵8號衛(wèi)星AOD產(chǎn)品反演的驗證窘奏，該衛(wèi)星因為高時間分辨率最近受到了很多關(guān)注嘹锁。
9.Evaluation of MAIAC aerosol retrievals over China/中國MAIAC氣溶膠反演評價
大氣校正的多角度實現(xiàn)（MAIAC）是一種新的氣溶膠算法，用于檢測陸地上的氣溶膠光學厚度（AOD）着裹，使用時間序列數(shù)據(jù)動態(tài)分離氣溶膠和土地的貢獻领猾。但是，目前仍未對MAIAC AOD在中國的質(zhì)量進行全面研究骇扇。在本文中摔竿，對中國1公里的MAIAC AOD進行了地面測量，以評估數(shù)據(jù)的性能少孝。一般來說继低，Aqua和Terra MAIAC反演具有較高的相關(guān)系數(shù)（Aqua為0.924，Terra為0.933）稍走，基于地面觀察袁翁，超過72％的反演屬于預期誤差（EE =±（0.05 + 0.2 ） AOD））柴底。我們發(fā)現(xiàn)MAIAC AOD的準確性與AOD大小，氣溶膠大小粱胜，季節(jié)和表面類型有關(guān)柄驻。在春季和夏季，AOD偏差受到氣溶膠模型和表面反射率估計的影響焙压。我們還發(fā)現(xiàn)氣溶膠模型是沙漠地區(qū)AOD偏差的主要來源鸿脓。這些結(jié)果表明，MAIAC AOD可以作為中國空氣質(zhì)量和氣候研究的新氣溶膠數(shù)據(jù)來源涯曲。MAIAC的這套數(shù)據(jù)是比較新的野哭，算法也是新的，近期有不少基于該產(chǎn)品的文章掀抹，可以關(guān)注虐拓。
