資源整理
1 Coding：
1.高光譜遙感相關(guān)代碼資源讽坏。
Sensor Specific Hyperspectral Image Feature Learning利用卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)高光譜圖像傳感器特有的空間譜特征蕾殴。
Hyperspectral Image Spatial Super Resolution via 3D Full Convolutional Neural Network基于三維全卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像空間超分辨率重建，3D-FRCNN是具有單個(gè)網(wǎng)絡(luò)的高光譜圖像超分辨率（SR）的統(tǒng)一框架糟把。 您可以使用該代碼來訓(xùn)練/評估網(wǎng)絡(luò)以獲得hsi超分辨率（SR）袜炕。
3dfcnn3dfcn用于超光譜超分辨率的Python代碼麻诀。
2.開源項(xiàng)目Johns Hopkins University Data Science Specialization on Coursera，約翰霍普金斯大學(xué)數(shù)據(jù)科學(xué)專業(yè)領(lǐng)域的學(xué)生或社區(qū)導(dǎo)師期間開發(fā)的內(nèi)容蠢莺，該內(nèi)容是通過Coursera提供的壶运。 許多人已經(jīng)開發(fā)了內(nèi)容來幫助學(xué)生完成專業(yè)化的十門課程。
3.CVPR 17 論文"Image Super-Resolution via Deep Recursive Residual Network"的代碼浪秘。
4.Python庫蒋情，輕量級庫，用于在Theano中構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)耸携。
5.Python項(xiàng)目2d unet with keras棵癣，使用2d unet來做分割節(jié)點(diǎn)。
6.NASA的開源項(xiàng)目夺衍。
Python項(xiàng)目：
POPP棕櫚油種植預(yù)測（POPP）狈谊。 該P(yáng)ython軟件可自動(dòng)執(zhí)行下載，大氣校正和處理柵格數(shù)據(jù)的過程，以識(shí)別潛在的棕櫚油種植園河劝。
DRIP SLIPDRIP SLIP,檢測實(shí)時(shí)增加降水（DRIP）/突然滑坡識(shí)別產(chǎn)品（SLIP）的代碼壁榕。
SETSkyglow Estimation Toolbox，Skyglow估算工具箱（SET）赎瞎。工具箱采用Python 2.7編寫牌里，并從NASA和NOAA的Suomi國家極地軌道合作伙伴（NPP）可見紅外成像輻射計(jì)套件（VIIRS）衛(wèi)星傳感器進(jìn)行衛(wèi)星測量，以使用當(dāng)?shù)貐?shù)繪制天光圖像务甥。使用工具箱的研究人員可以通過考慮不同視角的光散射牡辽，并將SET的傳播模型應(yīng)用于不同的位置，從而以更高的精度識(shí)別光污染源敞临。
R項(xiàng)目：
PiCoPiCo,基于像素相關(guān)的景觀分類（PiCo）态辛。 PiCo是一個(gè)R腳本，自動(dòng)化并區(qū)域化了Wallace等人2016年開發(fā)的氣候景觀響應(yīng)（CLaRe）指標(biāo)挺尿。該腳本執(zhí)行像素逐步回歸分析奏黑，以生成相關(guān)值可以評估為目標(biāo)波束草的柵格。
GEE項(xiàng)目：
LUCTLUCT编矾，用Google地球引擎代碼界面進(jìn)行了美屬維爾京群島（USVI）的土地使用分類攀涵。一共六個(gè)類：水，低密度住宅洽沟，高密度住宅，森林/灌木蜗细，農(nóng)業(yè)和裸地裆操。
MARSHe利用GEE制作從2000年到2017年切薩皮克灣沼澤健康狀況變化的地圖。
7.Python項(xiàng)目Hierarchical Attention Network炉媒，用于文檔分類的分層強(qiáng)化網(wǎng)絡(luò)踪区。
Hierarchical Attention Network
8.開源項(xiàng)目深度強(qiáng)化學(xué)習(xí)Nanodegree計(jì)劃。
9.開源項(xiàng)目關(guān)于生成對抗（神經(jīng)）網(wǎng)絡(luò)的論文清單吊骤。
10.R語言開源項(xiàng)目r4ds缎岗，R在數(shù)據(jù)科學(xué)中的應(yīng)用。
11.Python庫verde白粉，用于處理空間數(shù)據(jù)（水深測量传泊，地球物理調(diào)查等）并在常規(guī)網(wǎng)格上進(jìn)行插值（即網(wǎng)格化）。
12.Python項(xiàng)目ee jupyter contrib鸭巴，使用Jupyter作為GEE的IDE眷细。
13.R語言項(xiàng)目model gov,h2o-3中的模型改進(jìn)。
14.Python庫inequality鹃祖，空間（非空間）不平衡的測度溪椎。
15.R語言包darksky，darksky API的R接口。
16.R語言包SpaceTimeModels校读，使用INLA擬合空間和時(shí)空模型參數(shù)的R包沼侣。
17.R語言項(xiàng)目Spatio temporal Kriging R,用于3D克里金插值的R腳本。
18.R語言包rsatscan歉秫，與SaTScan獨(dú)立軟件連接的工具蛾洛，類和方法。
19.R語言包MSScvm端考，Landsat MSS圖像的自動(dòng)云掩膜實(shí)現(xiàn)雅潭。
20.R語言項(xiàng)目Downscaling，用于SNAP氣候降尺度的R代碼却特。
2 Paper:
土地利用，氣候和農(nóng)業(yè)技術(shù)的長期變化可能會(huì)影響有害生物的嚴(yán)重程度和管理裂明。只有通過分析長期數(shù)據(jù)才能確定這些主要驅(qū)動(dòng)因素的影響椿浓。本研究調(diào)查了1991 - 2015年間中國51個(gè)縣的三種主要棉花害蟲的土地利用，轉(zhuǎn)基因蘇云金芽孢桿菌（Bt）抗蟲棉的采用闽晦，天氣扳碍，害蟲嚴(yán)重程度和殺蟲劑使用面板數(shù)據(jù)。 Bt棉對棉花及其管理中的整個(gè)害蟲復(fù)合體具有普遍影響仙蛉。研究結(jié)果支持基于Bt的植物抗性作為綜合蟲害管理（IPM）的一個(gè)組成部分的有用性笋敞，但強(qiáng)調(diào)了農(nóng)業(yè)生態(tài)系統(tǒng)反饋循環(huán)以及氣候重要性導(dǎo)致的意外結(jié)果的可能性。發(fā)表于PNAS的一篇論文荠瘪，結(jié)合了自然生態(tài)夯巷、農(nóng)業(yè)、遙感數(shù)據(jù)哀墓，計(jì)量經(jīng)濟(jì)學(xué)的面板數(shù)據(jù)分析方法趁餐。
近年來，大量的高空間分辨率遙感（HRRS）圖像可用于土地利用制圖篮绰。然而后雷，由于增加的空間分辨率和由不同的圖像采集條件引起的數(shù)據(jù)干擾帶來的復(fù)雜信息，通常很難找到一種有效的方法來實(shí)現(xiàn)具有異構(gòu)和高分辨率遙感圖像的準(zhǔn)確的土地利用分類吠各。本文提出了一種方案臀突，用HRRS圖像學(xué)習(xí)土地利用分類的可轉(zhuǎn)移深度模型。主要思想是依靠深度神經(jīng)網(wǎng)絡(luò)來呈現(xiàn)不同類型土地利用中包含的語義信息贾漏，并提出偽標(biāo)記和樣本選擇方案惧辈，以提高深層模型的可轉(zhuǎn)移性。深度學(xué)習(xí)在土地利用分類的應(yīng)用磕瓷，前一段時(shí)間RSE也刊登了黃波老師這方面的研究盒齿。
發(fā)表于IEEE TGRS，遙感界Top期刊边翁。是關(guān)于語義建模的文章翎承。高空間分辨率（HSR）圖像場景分類涉及根據(jù)地理屬性用特定語義類別標(biāo)記HSR圖像，已經(jīng)受到越來越多的關(guān)注符匾，并且已經(jīng)為此任務(wù)提出了許多算法叨咖。使用概率主題模型來獲取潛在主題和使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）來捕獲用于表示HSR圖像的深度特征已經(jīng)是橋接語義差距的有效方式。但是啊胶，中級主題功能通常是本地的和重要的甸各，而高級深度功能則傳達(dá)更多的全局和詳細(xì)信息。為了發(fā)現(xiàn)HSR圖像的更多判別語義焰坪，提出了一種結(jié)合稀疏主題和深度特征的自適應(yīng)深度稀疏語義建模（ADSSM）框架趣倾，用于HSR圖像場景分類。在ADSSM中某饰，集成了完全稀疏的主題模型和CNN儒恋。為了利用HSR場景的多級語義，稀疏主題特征和深層特征在語義層面上被有效地融合黔漂〗刖。基于稀疏主題特征和深度特征之間的差異，提出了一種自適應(yīng)特征歸一化策略來改善不同特征的融合炬守。用四個(gè)HSR圖像分類數(shù)據(jù)集獲得的實(shí)驗(yàn)結(jié)果證實(shí)牧嫉，與其他現(xiàn)有技術(shù)方法相比，所提出的方法顯著改善了性能减途。
4.Measuring night sky brightness: Methods and challenges/測量夜空亮度：方法和挑戰(zhàn)
近年來酣藻，測量夜空的亮度已成為一個(gè)越來越重要的話題，因?yàn)槿嗽旃饧捌湓诘厍虼髿鈱又械纳⑸淅^續(xù)在全球蔓延观蜗。已經(jīng)為此任務(wù)開發(fā)了若干儀器和技術(shù)。本文概述了這些衣洁，并討論了它們的優(yōu)點(diǎn)和局限性墓捻。討論了在測量夜空亮度時(shí)可以和應(yīng)該得出的不同數(shù)量，以及在這種情況下已經(jīng)并且仍然需要定義的程序坊夫。盡管如此砖第，僅有天頂?shù)膯尾ǘ螁瓮ǖ涝O(shè)備，如“Sky Quality Meter”环凿，仍然是長期研究夜空亮度和從移動(dòng)平臺(tái)進(jìn)行研究的可行選擇梧兼。準(zhǔn)確解釋這些數(shù)據(jù)需要對天光的顏色組成有一些了解。我們建議通過校準(zhǔn)的攝像系統(tǒng)和校準(zhǔn)的照度計(jì)或亮度計(jì)智听，對這些設(shè)備的長期時(shí)間序列進(jìn)行補(bǔ)充羽杰，并定期進(jìn)行全天空采樣渡紫。與光污染相關(guān)的文章。
本文借鑒了最近的研究惕澎，認(rèn)為研究人員需要關(guān)注常規(guī)理解的鄰域效應(yīng)的極限。它強(qiáng)調(diào)了背景影響的復(fù)雜性以及準(zhǔn)確表示和測量個(gè)體暴露于這些影響的挑戰(zhàn)颜骤。具體而言唧喉，它討論了語境效應(yīng)的特質(zhì)和多維性質(zhì)，語境影響的時(shí)間復(fù)雜性忍抽，曝光度量的框架依賴性八孝，選擇性流動(dòng)性偏差以及鄰域效應(yīng)研究中的發(fā)表偏倚。它還討論了在未來的研究中如何減輕背景不確定性（例如鸠项，通過收集和使用高分辨率的時(shí)空數(shù)據(jù)干跛，并轉(zhuǎn)向不依賴于幀的暴露測量，其結(jié)果不受數(shù)據(jù)在空間方面的組織方式的影響锈锤，時(shí)間）驯鳖。鄰域是空間統(tǒng)計(jì)繞不開的關(guān)鍵點(diǎn)，也是造成各類空間統(tǒng)計(jì)結(jié)果不確定性的一個(gè)重要原因之一久免。
蒸發(fā)蒸騰（ET）在地表 - 大氣相互作用中起著重要作用浅辙，可以使用遙感數(shù)據(jù)進(jìn)行監(jiān)測⊙掷眩可見紅外成像輻射計(jì)套件（VIIRS）傳感器是一代光學(xué)衛(wèi)星傳感器记舆，提供375至750米空間分辨率的日全球覆蓋，22個(gè)光譜通道呼巴，能夠監(jiān)測從區(qū)域到全球的ET泽腮。然而，很少有研究關(guān)注從VIIRS圖像獲取ET的方法衣赶。本研究的目的是引入一種算法诊赊，該算法利用VIIRS數(shù)據(jù)和氣象變量來估算陸地表面的能量預(yù)算，包括凈輻射府瞄，土壤熱通量碧磅，顯熱通量和潛熱通量∽窆荩基于表面能量平衡方程的單源模型用于獲取中國張掖綠洲內(nèi)的地表熱通量鲸郊。使用在HiWATER（黑河流域聯(lián)合遙測實(shí)驗(yàn)研究）項(xiàng)目期間收集的觀測結(jié)果驗(yàn)證了結(jié)果。為了便于比較货邓，還使用中等分辨率成像光譜儀（MODIS）數(shù)據(jù)來檢索區(qū)域表面熱通量秆撮。誤差分析表明，在本文的模型中换况，估計(jì)的顯熱通量的準(zhǔn)確度依賴于檢索到的表面溫度和冠層高度的誤差职辨。生態(tài)水文過程與遙感的耦合一直是最近的一個(gè)研究熱點(diǎn)盗蟆。
7.人口城市化對空氣污染人群暴露貢獻(xiàn)的定量方法研究
生態(tài)中心周偉奇老師組韓立建老師的成果，短期快速城市化引發(fā)一系列生態(tài)環(huán)境問題拨匆，尤其是近年來以細(xì)顆粒物（PM2.5）為代表的城市與區(qū)域空氣污染問題姆涩。人群的污染暴露一方面是因?yàn)槲廴緟^(qū)范圍的擴(kuò)張，另外一方面則歸因于城市化引發(fā)的人口遷移惭每，目前的研究重點(diǎn)關(guān)注于前者的貢獻(xiàn)骨饿，而忽略了后者的貢獻(xiàn)。因此台腥，本研究建立了城市化對空氣污染人群暴露貢獻(xiàn)的定量方法宏赘，并選取我國PM2.5污染最為嚴(yán)重的京津冀城市群開展了實(shí)證研究，通過利用2000黎侈、2005察署、2010、2015年P(guān)M2.5濃度和人口柵格數(shù)據(jù)以及人口自然增長率數(shù)據(jù)峻汉，定量評估了城市化引發(fā)的人口遷移對空氣污染人群暴露的貢獻(xiàn)贴汪。本研究建立了定量化的方法揭示了城市化在空氣污染人群暴露中的定量貢獻(xiàn)，為科學(xué)引導(dǎo)城市化發(fā)展提供了定量的手段休吠，為合理規(guī)劃京津冀城市群地區(qū)的人口流動(dòng)與空氣污染奠定了數(shù)據(jù)基礎(chǔ)扳埂。
