新一期資源整理博客。
1 Coding:
1.阿根廷地質(zhì)協(xié)會（AGA）于2020年8月和9月提供的“地理信息學(xué)應(yīng)用于多專題制圖”課程的虛擬課程吩案。
2.R語言包glmmTMB霍殴，基于Template Model Builder擬合廣義線性混合效應(yīng)模型媒惕。
3.Python庫rich，是一個Python庫来庭，用于在終端中顯示富文本和精美格式妒蔚。
4.Python庫Mici，提供了概率模型中近似推論的馬爾可夫鏈蒙特卡羅（MCMC）方法的實(shí)現(xiàn)月弛。
5.在大約2分鐘內(nèi)免費(fèi)獲得MacOS或Linux Shell肴盏。
6.OpenGL與GDAL的教程。
7.2020年英國生態(tài)學(xué)會研討會材料：用廣義線性潛變量模型分析多元生態(tài)數(shù)據(jù)帽衙。
8.R語言包getremotedata菜皂，它提供協(xié)調(diào)下載網(wǎng)絡(luò)上各種可用開放數(shù)據(jù)集的功能。
9.R語言包opendapr厉萝，它提供了使用OpenDAP框架（開源項目恍飘，用于 網(wǎng)絡(luò)數(shù)據(jù)訪問協(xié)議）榨崩，一種廣泛用于各類衛(wèi)星遙感產(chǎn)品下載的框架。
10.像普通書一樣簡單的hugo文檔主題章母。
11.R語言包tidytable母蛛，data.table包的tidy接口。
12.R markdown生成的CV乳怎。
13.Python庫pint溯祸，Pandas的pint支持。
14.Python庫uncertainties舞肆，它可以執(zhí)行帶有不確定性（又稱為“錯誤傳播”）的透明計算焦辅。
15.Rocky Linux是一個社區(qū)企業(yè)操作系統(tǒng)，旨在與Enterprise Linux進(jìn)行100％錯誤兼容椿胯。
16.王江浩老師在國科大上課的ucasmap課程相關(guān)內(nèi)容筷登。
17.R語言包rBLAST，連接基本局部比對搜索工具（BLAST）哩盲，以使用Bioconductor基礎(chǔ)結(jié)構(gòu)搜索基因序列數(shù)據(jù)庫前方。
18.一組旨在與Google Earth Engine（GEE）中的Continuous Change Detection and Classification(CCDC)算法的輸出進(jìn)行交互的工具和應(yīng)用程序。
19.Python庫POT廉油，為信號惠险，圖像處理和機(jī)器學(xué)習(xí)的最佳傳輸有關(guān)的優(yōu)化問題提供了多個求解方法。
20.R語言包freshAirFinderApp抒线，一個shiny app班巩，目標(biāo)是在大灣區(qū)尋找空氣清新之地。
21.一組Python腳本嘶炭，用于清理和增強(qiáng)GTFS抱慌。
22.Python庫pyodbc，一個開放源代碼的Python模塊眨猎，使訪問ODBC數(shù)據(jù)庫變得簡單抑进。
23.AGU 2020年會研討會資料。主題為開發(fā)和維護(hù)開源研究軟件的最佳實(shí)踐睡陪。
24.2005年以來馬來西亞空氣污染指數(shù)的歷史數(shù)據(jù)（帶腳本）寺渗。
25.小型OpenGL程序，用于可視化兼容設(shè)備的多點(diǎn)觸摸輸入兰迫。
26.Python庫intake信殊，一組輕量級的工具，用于在數(shù)據(jù)科學(xué)項目中加載和共享數(shù)據(jù)逮矛。
27.Tengine Lite 由 OPEN AI LAB 主導(dǎo)開發(fā)鸡号，該項目實(shí)現(xiàn)了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的快速转砖、高效部署需求须鼎。為實(shí)現(xiàn)在眾多 AIoT 應(yīng)用中的跨平臺部署鲸伴，本項目基于原有 Tengine 項目使用 C 語言進(jìn)行重構(gòu)战得，針對嵌入式設(shè)備資源有限的特點(diǎn)進(jìn)行了深度框架裁剪托嚣。同時采用了完全分離的前后端設(shè)計，有利于 CPU刊苍、GPU赡译、NPU 等異構(gòu)計算單元的快速移植和部署仲吏。同時兼容 Tengine 框架原有 API 和 模型格式 tmfile，降低評估蝌焚、遷移成本裹唆。
28.ncnn 是一個為手機(jī)端極致優(yōu)化的高性能神經(jīng)網(wǎng)絡(luò)前向計算框架。ncnn 從設(shè)計之初深刻考慮手機(jī)端的部署和使用只洒。無第三方依賴许帐，跨平臺，手機(jī)端 cpu 的速度快于目前所有已知的開源框架毕谴〕善瑁基于 ncnn，開發(fā)者能夠?qū)⑸疃葘W(xué)習(xí)算法輕松移植到手機(jī)端高效執(zhí)行涝开，開發(fā)出人工智能 APP循帐，將 AI 帶到你的指尖。ncnn 目前已在騰訊多款應(yīng)用中使用舀武，如 QQ拄养，Qzone，微信银舱，天天P圖等衷旅。
29.Python庫Pint，用于定義纵朋，操作和操縱物理量：數(shù)值和度量單位的乘積柿顶。 它允許它們之間進(jìn)行算術(shù)運(yùn)算，以及在不同單位之間進(jìn)行轉(zhuǎn)換操软。
30.Python庫puppeteer cluster嘁锯，通過puppeteer生成了一個Chromium實(shí)例池，并有助于跟蹤作業(yè)和錯誤聂薪。 如果要爬網(wǎng)多個頁面或并行運(yùn)行測試家乘，這將很有幫助。
31.為rOpensci社區(qū)主題和演講者征集您的“投票”和新想法藏澳。
32.該存儲庫包含一些python代碼仁锯，其中包含一些傳統(tǒng)的變更檢測方法，或者提供其原始網(wǎng)站（例如SFA翔悠，MAD）以及一些基于深度學(xué)習(xí)的變更檢測方法（例如SiamCRNN业崖，DSFA和某些基于FCN的方法）野芒。
33.這是卡里姆·杜伊布（KarimDou?eb）為瑞士寫的著名的可視化版本"Land doesn't vote, people do"的版本。該版本顯示了市政一級受歡迎的“為負(fù)責(zé)任的企業(yè)–保護(hù)人權(quán)和環(huán)境”倡議的成果双炕。 狞悲。 通過瑞士公開政府?dāng)?shù)據(jù)平臺opendata.swiss檢索了此過程中使用的所有數(shù)據(jù)。
34.R語言包funneljoin妇斤，使分析行為漏斗變得容易摇锋。
35.CNN網(wǎng)絡(luò)的Pytorch實(shí)現(xiàn)。
36.R語言包robservable站超，允許將Observable筆記本（或其中的一部分）用作R中的htmlwidgets荸恕。
37.從Internet Archive Wayback Machine下載整個網(wǎng)站。
38.R語言包bslib死相，通過Bootstrap（3或4）Sass從R設(shè)置shiny和rmarkdown主題的工具戚炫。
39.MLOPS with R: An end-to-end process for building machine learning applications匯報的相關(guān)資源。
40.通過Z-Wave和Flask控制的圣誕燈媳纬。
minimum viable christmas lights
41.地表溫度反演的R markdown文檔双肤。
42.使用GeoPandas和PyData堆棧進(jìn)行地理空間數(shù)據(jù)分析教程。
43.可持續(xù)的免費(fèi)開源社區(qū)網(wǎng)站钮惠。
44.開源項目關(guān)鍵度評分項目茅糜。
45.transit API，應(yīng)用程序素挽，數(shù)據(jù)集蔑赘，研究和軟件的社區(qū)列表
46.Python庫causal curve，當(dāng)感興趣的治療持續(xù)時预明，可以用這個包基于觀察數(shù)據(jù)執(zhí)行因果推理缩赛。
47.Python庫transplant，Python調(diào)用Matlab的方法撰糠。
48.Covid-19事件預(yù)測項目
49.R語言包tic酥馍，tic的目標(biāo)是增強(qiáng)和簡化使用持續(xù)集成（CI）系統(tǒng)的工作。
50.R語言包wrfhydroSubsetter阅酪，一組WRF-Hydro（NWM）子模型的域文件供本地化運(yùn)行的工具旨袒。
51.R語言包faraway，包含三本R語言書籍的所有數(shù)據(jù)與函數(shù)术辐。
52.CloudBase Framework 是云開發(fā)官方出品的前后端一體化部署工具砚尽。
53.蒙彼利埃生物統(tǒng)計學(xué)家網(wǎng)絡(luò)頁面。
54.MapLibre GL由社區(qū)主導(dǎo)的派生工具maplibre辉词。
55.永久免費(fèi)開源的導(dǎo)師評價數(shù)據(jù)必孤、數(shù)據(jù)爬蟲、無需編程基礎(chǔ)的展示網(wǎng)頁以及新信息補(bǔ)充平臺瑞躺。
56.ipyevents提供了一個自定義窗口小部件敷搪，用于將鼠標(biāo)和鍵盤事件返回給Python兴想。
57.R語言包BETS，用于獲取與分析巴西時間序列的經(jīng)濟(jì)數(shù)據(jù)购啄。
58.Serge Rey襟企，Dani Arribas-Bel和Levi Wolf為地理數(shù)據(jù)科學(xué)書籍提供的入門幻燈片嘱么。
59.馬爾堡大學(xué)環(huán)境信息學(xué)實(shí)驗室的材料狮含，組織R數(shù)據(jù)分析工作流和項目，包括文檔曼振。
60.R語言包modleR几迄，一個基于package dismo的工作流，旨在在執(zhí)行生態(tài)位模型時自動執(zhí)行一些常見步驟冰评。
61.PyMC3模型的示例映胁，包括Jupyter筆記本庫。
62.R語言包shinyvalidate甲雅，Shinyvalidate為Shiny添加了輸入驗證功能解孙。
63.R語言2020會議用shiny做數(shù)據(jù)可視化的研討會。
64.康奈爾大學(xué)課程高級編譯抛人。
65.mikejohonson的個人主頁弛姜。
66.幫你記住你的python裝飾器。
67.Python庫RavenPy妖枚，用于設(shè)置和運(yùn)行水文模型框架Raven廷臼。
68.R語言包doc2vec，用于構(gòu)建Paragraph Vector模型绝页，也稱為doc2vec模型荠商。 您可以訓(xùn)練分布式內(nèi)存（'PV-DM'）和分布式單詞袋（'PV-DBOW'）模型。
69.R語言包streamgraph续誉，用于制作流圖的htmlwidget莱没。
70.RainBench數(shù)據(jù)集。
71.'什么是科學(xué)'速查表酷鸦。
72.R語言包ggx郊愧，該軟件包是ggplot2的附加組件，ggplot2是用于創(chuàng)建出色圖形的R軟件包井佑，將自然語言轉(zhuǎn)化為ggplot2繪圖語句属铁。
73.R語言包OBservData，作物授粉數(shù)據(jù)庫躬翁。
74.Leaflet的插件（v1.0.3和v0.7.7）焦蘑，用于創(chuàng)建畫布可視化圖層，用于顯示任意速度（例如風(fēng)盒发，洋流）的方向和強(qiáng)度例嘱。
75.WebGPU學(xué)習(xí)狡逢。
76.R語言包memer，memer是與tidyverse兼容的R包拼卵，通常是圍繞magick函數(shù)進(jìn)行包裝奢浑。
77.從NCI文件系統(tǒng)將geotiff轉(zhuǎn)換為云優(yōu)化Geotiff(cog)。
78.2020年12月9日R-Ladies St.Louis（STL）的演講的幻燈片和代碼腋腮。
rladiesSTL dec2020 intro shiny
79.R語言包dftTrafficCounts雀彼，目標(biāo)是在其roadtraffic.dft.gov.uk網(wǎng)站上提供對英國運(yùn)輸部（DfT）提供的數(shù)據(jù)集的輕松訪問
80.Python庫volpy，Python中數(shù)字高程模型的體積計算（volpy）即寡，提供一種以三角不規(guī)則網(wǎng)絡(luò)（TIN）表示的數(shù)字高程模型（DEM）計算體積的方法徊哑。
81.用于為ReferenceFileSystem進(jìn)行參考描述的函數(shù)。
82.組織Hack Week的工具包聪富。
83.PaddleSeg是基于PaddlePaddle開發(fā)的端到端圖像分割開發(fā)套件莺丑，覆蓋了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割網(wǎng)絡(luò)。通過模塊化的設(shè)計墩蔓，以配置化方式驅(qū)動模型組合梢莽，幫助開發(fā)者更便捷地完成從訓(xùn)練到部署的全流程圖像分割應(yīng)用。
84.C-Plan是一種保護(hù)決策支持軟件奸披，可與GIS鏈接以映射用于實(shí)現(xiàn)明確保護(hù)目標(biāo)的選項昏名。 它是由Matt Watts和Bob Pressey開發(fā)的。 它充當(dāng)Marxan的圖形用戶界面源内，可以從C-Plan數(shù)據(jù)集生成Marxan數(shù)據(jù)集葡粒。
85.hugo的cupper主題。
86.一個用python和pygame編寫的臺球游戲膜钓。
87.Eclipse布局內(nèi)核（ELK）實(shí)現(xiàn)了將圖編輯器或查看器連接到自動布局算法的基礎(chǔ)結(jié)構(gòu)嗽交。
88.使用Flask搭建的經(jīng)典Python論壇軟件。
89.pixelNeRF：一幅或幾幅圖像的神經(jīng)輻射場颂斜。
90.GraphScope是一個統(tǒng)一的分布式阿里巴巴圖形計算平臺夫壁，提供了一個一站式環(huán)境，可通過用戶友好的Python界面在計算機(jī)集群上執(zhí)行各種圖形操作沃疮。
91.AKS Engine是舊版ARM模板驅(qū)動的方法盒让，用于在Azure上置備自管理的Kubernetes群集。
92.R語言包nimbleDistance司蔬，用于在nimble中擬合距離貝葉斯采樣模型的函數(shù)邑茄。
93.Ravens是PyBullet中模擬任務(wù)的集合，用于學(xué)習(xí)基于視覺的機(jī)器人操縱俊啼，重點(diǎn)是拾取和放置肺缕。
94.Python庫forestatrisk，可以對熱帶地區(qū)的森林砍伐進(jìn)行建模和預(yù)測。它提供了根據(jù)各種空間解釋變量估算毀林空間概率的功能同木。
95.該存儲庫是BBC R＆D在制作合成聲音時產(chǎn)生的腳本和指南的集合浮梢。 我們將這種基于深度卷積網(wǎng)絡(luò)的高效可訓(xùn)練文本語音轉(zhuǎn)換系統(tǒng)的實(shí)施作為指導(dǎo)，并將其作為指導(dǎo)工作的基礎(chǔ)彤路。 提供的文檔將說明我們采取的不同步驟秕硝，以便從中獲得最佳效果，從而迅速而廉價地發(fā)出新聲音洲尊。
96.R語言包validate远豺，驗證的R-package使得根據(jù)域知識檢查數(shù)據(jù)是否符合您的期望變得非常容易。 通過允許您定義獨(dú)立于代碼或數(shù)據(jù)集的數(shù)據(jù)驗證規(guī)則颊郎，它可以工作憋飞。 接下來，您可以使用規(guī)則處理數(shù)據(jù)集或其各種版本。
97.R語言包tinter监婶，調(diào)色器提供了一種生成單色調(diào)色板的簡單方法莫矗。
98.DGGRID是一個免費(fèi)軟件程序，用于創(chuàng)建和處理由Kevin Sahr創(chuàng)建和維護(hù)的離散全球網(wǎng)格欠肾。
99.R語言包mcor，蒙大拿州氣候辦公室的核心R包。
100.Python庫rHEALPixDGGS昆淡，實(shí)現(xiàn)了rHEALPix離散全球網(wǎng)格系統(tǒng)（DGGS）。
101.DGGRID是一個命令行應(yīng)用程序刽严，旨在生成和操作二十面體離散全局網(wǎng)格（DGG）昂灵。
102.JupyterHub 2020年冬季地理空間數(shù)據(jù)分析課程的docker鏡像。
103.韓國的人口格網(wǎng)建模
104.MIT感知實(shí)驗室的Treepedia項目舞萄。利用街景圖像識別樹木眨补。
105.oci-cloud-controller-manager是用于Oracle Cloud Infrastucture（OCI）的Kubernetes Cloud Controller Manager實(shí)現(xiàn)。
106.將Red Hat Enterprise Linux 7.6作為EKS工作節(jié)點(diǎn)運(yùn)行
107.Cling是基于Clang和LLVM編譯器基礎(chǔ)結(jié)構(gòu)的交互式C ++解釋器倒脓。
108.xeus-cling是基于C ++解釋器cling和Jupyter協(xié)議xeus的本機(jī)實(shí)現(xiàn)的C ++ Jupyter內(nèi)核撑螺。
109.mkcert是制作本地信任的開發(fā)證書的簡單工具。 它不需要任何配置崎弃。
110.KernelFunctions.jl為內(nèi)核函數(shù)提供了一個靈活而完整的框架甘晤，可以對輸入數(shù)據(jù)進(jìn)行預(yù)轉(zhuǎn)換。
111.Mundane是由BoringSSL支持的Rust密碼術(shù)庫饲做，它很難被濫用线婚，符合人體工程學(xué)且性能優(yōu)異（按此順序）。
112.該存儲庫包含用于使用HashiCorp Packer構(gòu)建自定義Amazon EKS AMI的資源和配置腳本盆均。 這與Amazon EKS用于創(chuàng)建官方經(jīng)Amazon EKS優(yōu)化的AMI的配置相同塞弊。
113.該項目提供了一個操作員來管理yarn的節(jié)點(diǎn)管理器和資源管理器。 它支持大數(shù)據(jù)系統(tǒng)順利遷移到kuberenets。
114.Spack是一個多平臺程序包管理器居砖，可構(gòu)建和安裝軟件的多個版本和配置虹脯。 它可以在Linux，macOS和許多超級計算機(jī)上運(yùn)行奏候。
115.Xtensor C ++多維數(shù)組庫的R接口循集。
116.xtensor是一個C ++庫，用于使用多維數(shù)組表達(dá)式進(jìn)行數(shù)值分析蔗草。
117.現(xiàn)代C++的json咒彤。
118.僅限小型頭文件的C ++庫，用于編寫多平臺終端應(yīng)用程序咒精。
119.jupyter-leaflet地圖可視化庫的C ++后端镶柱。
120.Python庫conan，C/C++的包管理器模叙。
121.R語言包winch歇拆，Winch為跨R和C函數(shù)調(diào)用的調(diào)用鏈提供堆棧跟蹤。
122.英國郵政編碼和地理位置API范咨，提供開放數(shù)據(jù)故觅。
123.Rasterio插件可從Cloud Optimized GeoTIFF數(shù)據(jù)集中讀取墨卡托瓦片。
124.R語言包tabnet渠啊，TabNet的R語言實(shí)現(xiàn)输吏，細(xì)心的可解釋表格學(xué)習(xí)。
125.Regression Modeling in People Analytics手冊替蛉。
peopleanalytics regression book
126."Accurate 3D Object Detection using Energy-Based Models"的官方實(shí)現(xiàn)贯溅。
127.Julia的包管理器。
128.nCompiler旨在提供一個新的R開發(fā)工具躲查，用于代碼生成C ++并輕松在R和C ++之間進(jìn)行接口它浅。
129.Julia包的示例。
130.INLG 2020論文"RecipeNLG: A Cooking Recipes Dataset for Semi-Structured Text Generation"的代碼實(shí)現(xiàn)熙含。
131.PlotJuggler是一種可視化時間序列的工具罚缕，它快速，強(qiáng)大且直觀怎静。
132.一組Google Earth Engine的常用調(diào)色板邮弹。
133.使用遙感和水費(fèi)預(yù)算產(chǎn)品的農(nóng)場尺度土壤水分。
134.Web 3D GIS引擎蚓聘。
135.該數(shù)據(jù)集包含一個靜態(tài)地質(zhì)模型及其各個組成部分：來自6000口測井的數(shù)據(jù)腌乡，疊前深度的地震量，地震層位以及大量已解釋的斷層夜牡。
136.這項正在進(jìn)行的工作是將Google EarthEngine（GEE）API功能集成到Python 3.x語言的HydroShare中与纽，以用于猶他州立大學(xué)CEE/PSC/WATS 5003/6003土地表面遙感春季班侣签。
137.Esri CityEngine庫，帶有用于大型項目的輔助規(guī)則和腳本急迂。
138.jp_doodle使實(shí)現(xiàn)特殊目的的交互式可視化變得容易影所。 它旨在促進(jìn)定制科學(xué)數(shù)據(jù)表示和交互式探索工具的開發(fā)。
139.阿伯丁研究小組教程項目僚碎。
140.Python科學(xué)堆棧猴娩，編譯為WebAssembly。
141.R語言包nomadsNC勺阐，目標(biāo)是從NWC國家水模型中下載最新的預(yù)測卷中，并將數(shù)據(jù)用于時間序列訪問。 您必須安裝NCO才能運(yùn)行此軟件包渊抽。
142.關(guān)于貝葉斯因素的個人論文的論文蟆豫。
143.帝國理工學(xué)院環(huán)境與健康中心講習(xí)班。
144.面向地球科學(xué)家的社區(qū)教育資源懒闷。
145.有關(guān)為澳大利亞海洋數(shù)據(jù)網(wǎng)生成標(biāo)準(zhǔn)NetCDF文件的模板和代碼的存儲庫十减。
146.Learning Ansible 2.7第三版。
Learning Ansible 2.X Third Edition
147.Deno是使用V8并內(nèi)置于Rust的JavaScript和TypeScript的簡單毛雇，現(xiàn)代且安全的運(yùn)行環(huán)境嫉称。
148.確定使用Pangeo工具（GDAL侦镇，Rasterio灵疮，Xarray，Dask）訪問越來越多的COG數(shù)據(jù)的最佳實(shí)踐壳繁。
149.最小巧震捣、最準(zhǔn)確、最全面闹炉、最實(shí)用的中國大陸 GeoIP2 數(shù)據(jù)庫及 IP 地址段蒿赢。
150.Visual Studio Code的R拓展。
151.快速渣触，耐錯字的模糊搜索引擎羡棵，可提供令人愉悅的搜索體驗。
152.提供了用于模擬印歐航線上常見玫瑰雀的最佳資源和風(fēng)遷路線的代碼嗅钻。我們對風(fēng)和資源的一般最佳遷徙路線進(jìn)行了建模皂冰，從追蹤的普通玫瑰雀的五個繁殖地點(diǎn)（芬蘭，瑞典养篓，德國秃流，捷克和保加利亞）到巴基斯坦和印度的非繁殖地點(diǎn)。
Optimal migration along the Indo European Flyway
153.R語言包ggstream柳弄，ggplot2的拓展包舶胀，用來繪制河流圖。
154.自托管應(yīng)用程序，可通過REST訪問IMAP和SMTP帳戶嚣伐。
155.微軟開源地圖項目糖赔。
156.國家環(huán)境信息中心（NCEI）API的接口。
157.Julia包Diversity轩端，它提供了用于測量元社區(qū)（例如生態(tài)系統(tǒng)）及其組成子社區(qū)的alpha挂捻，beta和γ多樣性的功能。
158.Python庫parsac（以前稱為acpy）船万，用于并行運(yùn)算靈敏度分析和自動校準(zhǔn)刻撒。它用于分析需要大量時間才能運(yùn)行的模型。 因此耿导，它著重于存儲和利用每個模型結(jié)果声怔，并在單個計算機(jī)或計算機(jī)集群上并行執(zhí)行模型。
159.用Python和Julia實(shí)現(xiàn)HYMOD降雨徑流模型舱呻。
160.這是用易于閱讀的JavaScript編寫的現(xiàn)代編譯器所有主要部分的極簡示例醋火。
161.Python練習(xí)材料。
162.Python庫SALib箱吕，敏感性分析方法芥驳，包含Sobol，Morris茬高，分?jǐn)?shù)階乘和FAST方法兆旬。
163.說明了如何使用子文檔將插圖的snowflakes添加到R Markdown。
164.帶有requirements.txt文件說明與Binder兼容的Python庫怎栽。
165.具有environment.yml文件的與Binder兼容的Python庫丽猬。
166.R語言包mlr3learners，為mlr-org團(tuán)隊維護(hù)的mlr3提供了重要的學(xué)習(xí)者熏瞄。 可以在GitHub上的mlr3extralearners包中找到其他學(xué)習(xí)者脚祟。
167.mlr3提供超參數(shù)調(diào)整∏恳可以設(shè)置和組合各種終止條件由桌。
168.這使用反向工程的ReMarkable API庫將文件從Zotero集合自動傳輸?shù)絩eMarkable文件夾。
169.華北平原建設(shè)用地制圖指南邮丰。
North China Plain GEE Organized
170.R語言包rmapshaper行您，提供對Matthew Bloch出色的mapshaper工具的訪問，該工具同時具有Node.js命令行工具和交互式Web工具柠座。
171.Github用戶的學(xué)生的機(jī)器學(xué)習(xí)項目邑雅，并且學(xué)生同意分享。
MachineLearning StudentProjects
172.Python庫ocetrac妈经，用于跟蹤海洋熱浪淮野。
173.R語言包diffabsr捧书，將來自SOLEIL同步加速器的DIFFABS光束線的數(shù)據(jù)轉(zhuǎn)換為R兼容格式。 此外骤星，它還提供了將原始光譜轉(zhuǎn)換為元素計數(shù)和/或濃度的功能经瓷。
174.OpenGV是解決幾何視覺問題的計算機(jī)視覺方法的集合。 它由上憾茨眩科技大學(xué)移動感知實(shí)驗室主持和維護(hù)舆吮。
175.Jupyter與其他公司的實(shí)時協(xié)作。
176.分布式系統(tǒng)的經(jīng)典材料队贱。
177.GridIndex是可傳遞的2D空間索引色冀。
178.使用Mapbox GL JS輕松為您的應(yīng)用生成地形立交的界面。
179.在kubernetes運(yùn)行第一個你的程序柱嫌。
180.一個用create-next-app引導(dǎo)的Next.js項目锋恬。
181.2020年印度scipy會議下pysal的研討會。
182.R語言包rinvest编丘，Python invest模型的R接口与学。
183.Pymc3里的隱馬爾科夫鏈-蒙特卡洛模擬。
184.R和RStudio用于教授可重復(fù)科學(xué)的材料嘉抓。
185.GeoNode是一個開放源代碼平臺索守，可促進(jìn)地理空間數(shù)據(jù)的創(chuàng)建，共享和協(xié)作使用抑片。
186.Python cf軟件包是一個基于CF數(shù)據(jù)模型的完整實(shí)現(xiàn)構(gòu)建的Earth Science數(shù)據(jù)分析庫卵佛。氣候和預(yù)報元數(shù)據(jù)公約（CF-1.6）的數(shù)據(jù)模型，并帶有軟件實(shí)現(xiàn)蓝丙。
187.該存儲庫包含用于從Wikipedia對英國境內(nèi)地點(diǎn)的描述中提取地理實(shí)體的代碼级遭。
188.Python庫c lasso，一個用于約束稀疏回歸和分類的Python包渺尘。
189.Python和Java的Plain Paxos實(shí)現(xiàn)。
190.SuperflexPy：水文建模的靈活語言说敏。
191.地理空間公司的資源列表鸥跟。
192.如何使用Libtorch構(gòu)建你的C++應(yīng)用。
193.VaRest是Unreal Engine 4的插件盔沫，可使REST服務(wù)更易于使用医咨。
2 Paper:
研究城市森林生物量的空間分布及其潛在影響因素將為配置城市綠地提供有用的見識。盡管中國正經(jīng)歷著前所未有的城市化規(guī)模架诞，但城市森林生物量分布的空間格局作為城市景觀的重要組成部分尚未得到充分研究拟淮。使用地理檢測器方法，本研究研究了四種地理因素（GFs）（主要樹種谴忧，森林類別很泊，土地類型和年齡組）對中國西安市1480個樣地中城市森林地上生物量分布的影響角虫。結(jié)果表明：（1）西安市地上生物量和4個GF在空間分布上存在明顯的異質(zhì)性。 （2）影響地上生物量模式的優(yōu)勢樹種和年齡組是主要的GF委造，獨(dú)立q值（用于量化研究中GF的影響的統(tǒng)計量度）分別達(dá)到0.595和0.202戳鹅，而森林種類和土地類型與地上生物量的空間變化之間存在弱聯(lián)系，其q值分別為0.087和0.076昏兆。 （3）這四個GF之間的相互作用也往往有助于地上生物量的分布方式枫虏。與從因素獨(dú)立獲得的影響總和相比，GF之間的相互作用產(chǎn)生了更大的影響爬虱。我們的結(jié)果表明隶债，使用地理探測器的方法在市區(qū)是一種有用的工具受啥，可以揭示地上生物量的驅(qū)動模式放棒，并為城市規(guī)劃和管理提供參考。利用地理探測器分析AGB的空間異質(zhì)性與驅(qū)動因子夯膀。這個方面一個比較有意思的問題是如何定義urban forest继蜡。
人類活動產(chǎn)生了各種復(fù)雜的功能區(qū)域回俐，并可能影響功能區(qū)域的現(xiàn)有計劃。了解人類活動與功能區(qū)域之間的關(guān)系是基于軌跡識別實(shí)時城市功能區(qū)域的關(guān)鍵稀并。很少有先前的研究對人和區(qū)域的交互信息進(jìn)行分析以識別功能區(qū)域仅颇。人類活動與居住區(qū)之間的關(guān)系是城市功能區(qū)中最具代表性的關(guān)系，因為居住區(qū)覆蓋范圍廣且與人類生活緊密相關(guān)碘举。本文的目的是提出一種通勤活動和居住區(qū)模型忘瓦，以量化人類活動與城市居住區(qū)之間的相關(guān)性。在此模型中引颈，人類活動由高斯混合模型算法提取的熱點(diǎn)表示耕皮，而居民區(qū)由POI（興趣點(diǎn)）數(shù)據(jù)表示。該模型顯示蝙场，人類活動和居住區(qū)呈對數(shù)關(guān)系凌停。通過從共享電動自行車軌跡中反演滕州市的城市居民區(qū)，進(jìn)一步評估了CARA模型售滤。與實(shí)際地圖相比罚拟，準(zhǔn)確度達(dá)到83.3％，證明了該模型的可靠性和可行性完箩。該研究為基于軌跡數(shù)據(jù)的功能區(qū)識別提供了一種新方法赐俗，有助于制定以人為本的城市政策。利用共享電動自行車軌跡數(shù)據(jù)分析人類活動與功能區(qū)的關(guān)系弊知。數(shù)據(jù)和方法比較新穎阻逮。一個問題在于共享電動自行車的數(shù)據(jù)代表性，本質(zhì)上屬于有偏數(shù)據(jù)秩彤，同時居民區(qū)用POI的點(diǎn)數(shù)據(jù)表示叔扼，可能一定程度上也造成了結(jié)果的不確定性事哭。
臺風(fēng)是一種環(huán)境威脅，主要影響全世界的沿海地區(qū)币励。自然和社會經(jīng)濟(jì)因素對臺風(fēng)災(zāi)害造成的損失的互動影響有待進(jìn)一步研究慷蠕。在這項研究中，GeoDetector用于量化自然和社會經(jīng)濟(jì)因素的決定力及其對2018年臺風(fēng)"山竹"造成的中國東南廣東和廣西省房屋倒塌率的互動影響食呻。我們進(jìn)一步確定了影響該因素的主導(dǎo)因素災(zāi)難的損失流炕。然后介紹了空間關(guān)聯(lián)方法的局部指標(biāo)，以解釋在主導(dǎo)因素影響下災(zāi)害損失的空間異質(zhì)性仅胞。結(jié)果表明每辟，自然因素和社會經(jīng)濟(jì)因素均顯著影響房屋倒塌率。最大降水量是主要因素干旧，其q值為0.21渠欺，其次是坡度和海拔，其q值分別為0.17和0.13椎眯。人口密度和人均國內(nèi)生產(chǎn)總值的q值分別為0.15和0.13挠将。在所有影響因素的交互作用中，海拔和磚木房屋比率的交互作用對房屋倒塌率的影響最大（q = 0.63）编整。這些結(jié)果可有助于制定更具體的安全和財產(chǎn)保護(hù)政策舔稀。分析臺風(fēng)'山竹'的災(zāi)后影響評估。并且分析不同自然社會經(jīng)濟(jì)因素造成的影響掌测。
將人類活動模式數(shù)字化的準(zhǔn)確内贮，詳細(xì)的地理信息在應(yīng)對自然災(zāi)害方面起著至關(guān)重要的作用。自愿提供的地理信息汞斧，特別是OpenStreetMap（OSM）夜郁，在提供人類住區(qū)知識以支持人道主義援助方面顯示出巨大潛力，而OSM的可用性和質(zhì)量仍然是一個主要問題≌忱眨現(xiàn)有的評估OSM數(shù)據(jù)質(zhì)量的大部分工作都集中在外部分析或內(nèi)在分析上竞端，這在一定程度上不足以實(shí)現(xiàn)人道主義制圖方案。本文旨在從社會感知和遙感的綜合角度探索OSM缺失的堆積區(qū)仲义。首先婶熬，應(yīng)用分層DBSCAN聚類算法，生成帶有地理標(biāo)記的推文的聚類作為人類活動區(qū)域的代理埃撵。然后，提出了一種基于深度學(xué)習(xí)的模型虽另，該模型在現(xiàn)有OSM數(shù)據(jù)上進(jìn)行了微調(diào)暂刘，以進(jìn)一步映射缺失的堆積區(qū)域。莫桑比克共和國于2019年受到颶風(fēng)伊代（Idai）和肯尼斯（Kenneth）的襲擊捂刺，被選為研究區(qū)域谣拣，在全國范圍內(nèi)評估擬議的方法募寨。結(jié)果，識別并映射了13個OSM缺失的堆積區(qū)域森缠，總體精度超過90％拔鹰，與最新產(chǎn)品相比具有競爭力，這證實(shí)了所提出方法的有效性贵涵。Top期刊ISPRS的一篇雄文列肢，結(jié)合Twitter數(shù)據(jù)，聚類算法和深度學(xué)習(xí)對OSM缺失的建成區(qū)進(jìn)行補(bǔ)充制圖宾茂。
害怕犯罪會導(dǎo)致對生活和主觀幸福感的滿意度降低。害怕犯罪的指標(biāo)因社會和文化背景而異跨晴，戶籍（戶籍）狀況導(dǎo)致中國本地戶口與非本地戶口居民之間的權(quán)利不平等欧聘。為了提高人們對安全的認(rèn)識，本研究將戶口作為社會脆弱性的指標(biāo)端盆，并研究了戶口怀骤，感知的鄰里條件和對犯罪的恐懼之間的關(guān)系。二元邏輯回歸模型用于分析2016年中國廣州市廣州市社區(qū)安全項目（PPSGN）中獲得的1727名居民焕妙。結(jié)果表明蒋伦，婦女，受害經(jīng)歷访敌，身體和社會障礙以及社區(qū)警務(wù)與居民對犯罪的恐懼有關(guān)凉敲。盡管戶口地位對犯罪的恐懼沒有統(tǒng)計學(xué)上的顯著影響，但戶口地位顯著減輕了感知的鄰里條件對犯罪恐懼的影響寺旺。也就是說爷抓，感知到的鄰里狀況對恐懼的影響取決于一個人的戶籍狀況：非本地戶籍，對社會混亂的感知對恐懼的危害更大阻塑，對社會融合的感知對恐懼的幫助作用則較小蓝撇。總而言之陈莽，本研究通過揭示戶口對中國城市恐懼的條件影響渤昌，為國際文獻(xiàn)增色不少。柳林老師團(tuán)隊的成果走搁，分析鄰里環(huán)境以及社會經(jīng)濟(jì)因子對犯罪恐懼的影響独柑。犯罪地理學(xué)與心理學(xué)的交叉研究。
語境：城市群是城市的高級空間組織私植，通常由城市發(fā)展到一定水平時的城市化過程引起忌栅，通常與更高的人口密度和一定密度的建筑環(huán)境有關(guān)。但是曲稼，與針對特定城市的各種研究相比索绪，城市群仍處于研究不足狀態(tài)湖员，尤其是在定量識別城市群時空演變方面。目標(biāo)：本研究旨在確定2000年至2012年中國城市群的邊界瑞驱，并探討城市群的時間演變和空間差異娘摔。方法：首先，使用適當(dāng)?shù)囊归g光數(shù)字（DN）閾值來確定城市群的核心區(qū)域唤反。其次凳寺，利用平均斑塊面積和重力模型確定城市群的受影響區(qū)域。第三拴袭，以中國23個主要城市群為中心進(jìn)行時空對比读第。結(jié)果：到2012年，最發(fā)達(dá)的長三角和珠江三角洲城市群達(dá)到世界水平拥刻，其中京津冀城市群為區(qū)域一級怜瞒，亞區(qū)域級為11個城市群。在2000-2012年的研究期間般哼，中國南部和北部之間吴汪，或沿海與內(nèi)陸之間城市群的區(qū)域差異保持穩(wěn)定。與西部城市群相比蒸眠，東部城市群的向外擴(kuò)張有所減速漾橙。從2000年到2012年，城市群的總體發(fā)展模式從核心擴(kuò)張向邊緣發(fā)展轉(zhuǎn)變楞卡，而2006年以后城市群擴(kuò)張速度放緩霜运。結(jié)論：夜間光數(shù)據(jù)可有效探索城市群的時空演變。彭建老師團(tuán)隊的研究蒋腮，發(fā)表在top期刊Landscape Ecology淘捡，從夜間燈光遙感角度分析中國城市群的時空演變規(guī)律，工作量較大池摧。
地理參考數(shù)據(jù)源的增長要求使用高級匹配方法來提高地理空間數(shù)據(jù)處理（如地圖合并）的可靠性〗钩現(xiàn)有的匹配方法主要集中于實(shí)體規(guī)模或區(qū)域規(guī)模的相似性度量作彤。結(jié)合實(shí)體規(guī)模和區(qū)域規(guī)模相似性的度量可以在各種情況下提供合理的匹配結(jié)果膘魄。在本文中，我們提出了一個地理參考圖模型竭讳，該模型集成了多尺度相似性以進(jìn)行數(shù)據(jù)匹配创葡。具體地，在面積比例度量的約束下绢慢，通過實(shí)體比例度量來識別對應(yīng)數(shù)據(jù)對象的匹配蹈丸。所建議的地理參考圖模型中的節(jié)點(diǎn)通過其質(zhì)心表示多邊形，而圖中的鏈接則根據(jù)預(yù)定義的規(guī)則連接節(jié)點(diǎn)（即質(zhì)心）呐芥。然后逻杖，我們開發(fā)一種算法來識別多對多匹配。我們在實(shí)際實(shí)驗中使用OpenStreetMap數(shù)據(jù)演示了提出的圖形模型和算法思瘟。實(shí)驗結(jié)果表明荸百，所提出的地理參考圖模型可以有效地整合不同數(shù)據(jù)集之間的上下文和地理空間數(shù)據(jù)匹配的位置和形式距離。葛詠老師團(tuán)隊發(fā)在IJGIS上的一篇雄文滨攻，一個地理參考圖模型用于多源數(shù)據(jù)匹配融合够话。
在基于遙感影像的土地利用和土地覆蓋分類中，學(xué)習(xí)失衡是一個普遍的問題光绕。學(xué)習(xí)不平衡會導(dǎo)致分類準(zhǔn)確性降低女嘲，甚至導(dǎo)致少數(shù)群體的遺漏。在本文中诞帐，提出了一種基于極端梯度增強(qiáng)（ISS-XGB）的公正半監(jiān)督學(xué)習(xí)策略欣尼，以對數(shù)據(jù)不平衡的超高分辨率（VHR）圖像進(jìn)行分類。 ISS-XGB通過使用幾個半監(jiān)督分類器來解決多分類問題停蕉。它首先采用多組未標(biāo)記數(shù)據(jù)來消除訓(xùn)練樣本的不平衡愕鼓，然后利用基于梯度增強(qiáng)的回歸來模擬具有正樣本和未標(biāo)記樣本的目標(biāo)類別。在這項研究中慧起，在八個不同失衡狀況的研究區(qū)域進(jìn)行了實(shí)驗菇晃。結(jié)果表明，與最常用的分類方法（即隨機(jī)森林（RF）蚓挤，XGB磺送，多層感知器（MLP）和支持向量機(jī)（SVM））相比，ISS-XGB提供了可比但更穩(wěn)定的性能灿意，陽性和未標(biāo)記的學(xué)習(xí)（PU學(xué)習(xí)）方法（PU-BP和PU-SVM）估灿，以及典型的基于合成樣本的不平衡學(xué)習(xí)方法。尤其是在極端不平衡的情況下脾歧，ISS-XGB可以為少數(shù)族裔提供高精度甲捏，而不會損失總體性能（平均總體準(zhǔn)確性達(dá)到85.92％）。所提出的策略在解決遙感分類不平衡問題方面具有很大的潛力鞭执。VHR影像的分類不平衡問題解決策略司顿。
盡管已證明短期暴露于細(xì)顆粒物（PM2.5）空氣污染會導(dǎo)致血壓升高（BP）兄纺，但有關(guān)中國全國環(huán)境PM2.5與血壓水平之間的關(guān)聯(lián)以及如何關(guān)聯(lián)的證據(jù)有限可能會改變大溜。這項研究試圖探索在低于中國現(xiàn)行國家環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（NAAQS）的水平下暴露于PM2.5引起的急性BP變化」来啵基于對超過100萬成年人的時空研究钦奋，我們將BP測量值與來自多個來源的PM2.5的每日估算值（即原位觀測，氣溶膠的衛(wèi)星測量值和空氣質(zhì)量模型的數(shù)值模擬）聯(lián)系起來，并針對多個個體進(jìn)行了調(diào)整付材，通過限制將短期PM2.5暴露低于75μg/ m3（即中國的24小時PM2.5的NAAQS）的個體的子集進(jìn)行分析朦拖，我們進(jìn)一步建立了以下水平的模型，并進(jìn)一步推導(dǎo)了以下標(biāo)準(zhǔn)模型厌衔。我們進(jìn)一步探索了BP-PM2.5關(guān)聯(lián)隨污染水平和不同人口群體的變化璧帝。經(jīng)過全面調(diào)整后，PM2.5的10μg/ m3升高與收縮壓的0.049（95％置信區(qū)間富寿，CI：0.041睬隶，0.057）mmHg，0.022（95％CI：0.017页徐，0.027）顯著相關(guān)苏潜。 ）舒張壓增加mmHg，高血壓風(fēng)險增加0.77％（95％CI：0.62％变勇，0.92％）恤左。對于BP和高血壓，暴露-反應(yīng)曲線在低濃度時呈線性贰锁，無閾值效應(yīng)赃梧，在高濃度時呈亞線性。低于當(dāng)前的NAAQS豌熄，人口水平的關(guān)聯(lián)仍然具有統(tǒng)計學(xué)意義授嘀，甚至更強(qiáng)。低于NAAQS PM2.5增加10μg/ m3與高血壓風(fēng)險增加1.95％（95％CI：1.44％锣险，2.47％）有關(guān)蹄皱。特定的亞群更容易暴露于PM2.5。這些發(fā)現(xiàn)可以幫助支持決策者修改相關(guān)環(huán)境法規(guī)以保護(hù)公眾健康的決策芯肤。短期PM2.5污染暴露對健康效應(yīng)（血壓水平）的研究巷折。非常不錯的一個環(huán)境流行病學(xué)與環(huán)境健康研究。清華大學(xué)張強(qiáng)老師團(tuán)隊成果崖咨。
10.Global Carbon Budget 2020/2020年全球碳預(yù)算
在不斷變化的氣候中锻拘，準(zhǔn)確評估人為二氧化碳（CO2）排放及其在大氣光督，海洋和陸地生物圈之間的重新分配（“全球碳預(yù)算”）對于更好地了解全球碳循環(huán)兵多，支持制定氣候政策至關(guān)重要，并預(yù)測未來的氣候變化势似。在這里歌豺，我們描述并綜合了數(shù)據(jù)集和方法推穷，以量化全球碳預(yù)算的五個主要組成部分及其不確定性±噙郑化石的二氧化碳排放量（EFOS）基于能源統(tǒng)計數(shù)據(jù)和水泥生產(chǎn)數(shù)據(jù)馒铃，而土地利用變化（ELUC）的排放量（主要是森林砍伐）則基于土地利用和土地利用變化數(shù)據(jù)以及簿記模型蟹腾。直接測量大氣中的CO2濃度，并根據(jù)濃度的年度變化計算其增長率（GATM）区宇。海洋CO2匯（SOCEAN）和陸地CO2匯（SLAND）是通過受觀測約束的全球過程模型估算的娃殖。由此產(chǎn)生的碳預(yù)算失衡（BIM），即估計的總排放量與大氣萧锉，海洋和陸地生物圈的估計變化之間的差珊随，是衡量數(shù)據(jù)不完善和對當(dāng)代碳循環(huán)的了解的一種度量。所有不確定度均報告為±1σ柿隙。在過去的十年中（2010-2019年），EFOS為9.6±0.5 GtC yr-1（不包括水泥碳化池）（包括水泥碳酸化池時為9.4±0.5 GtC yr-1）鲫凶，ELUC為1.6±0.7 GtC yr-1 -1禀崖。在同一十年中，GATM為5.1±0.02 GtC yr-1（2.4±0.01 ppm yr-1）螟炫，SOCEAN 2.5±0.6 GtC yr-1和SLAND 3.4±0.9 GtC yr-1波附，預(yù)算不平衡BIM為- 0.1 GtC yr-1表示過去十年中估計的源和匯之間的接近平衡。僅在2019年昼钻，EFOS的增長僅約0.1％掸屡，化石排放增加到9.9±0.5 GtC yr-1（不包括水泥碳化池）（包括水泥碳酸化池時為9.7±0.5 GtC yr-1）和ELUC人為CO2排放總量為11.5±±0.9 GtC yr-1（42.2±±3.3 GtCO2）為1.8±0.7 GtC yr-1。同樣在2019年然评，GATM為5.4±0.2 GtC yr-1（2.5±0.1 ppm yr-1）仅财，SOCEAN為2.6±0.6 GtC yr-1，SLAND為3.1±1.2 GtC yr-1碗淌，BIM為0.3 GtC 盏求。 2019年全球平均大氣CO2濃度達(dá)到409.85±0.1ppm。2020年的初步數(shù)據(jù)（考慮了COVID-19引起的排放變化）表明亿眠，相對于2019年碎罚，EFOS相對于2019年減少了約-7％（中值）。來自四項研究的單獨(dú)估計值分別為-6％纳像，-7％荆烈，-7％（-3％至-11％）和-13％【怪海總體而言憔购，在1959年至2019年期間，對全球碳預(yù)算各組成部分的均值和趨勢進(jìn)行了一致的估算潭兽，但對于CO2通量的半年代際變化倦始，仍存在高達(dá)1 GtC yr-1的差異。比較來自各種方法和觀察結(jié)果的估計值表明：（1）過去十年間山卦，土地利用變化排放的平均值和趨勢沒有共識鞋邑；（2）不同方法之間關(guān)于土地二氧化碳通量大小的持續(xù)低一致性诵次。 （3）在熱帶以外，特別是在南大洋枚碗，不同的海沉方法之間存在明顯的差異逾一。該實(shí)時數(shù)據(jù)更新記錄了此新全球碳預(yù)算中使用的方法和數(shù)據(jù)集的變化以及與該數(shù)據(jù)集以前的出版物相比在了解全球碳循環(huán)方面的進(jìn)展（Friedlingstein等，2019; LeQuéré等肮雨。 遵堵，2018b，a怨规，2016陌宿、2015b，a波丰，2014壳坪、2013）。這項工作中提供的數(shù)據(jù)可在https://doi.org/10.18160/gcp-2020（Friedlingstein等人掰烟，2020）獲得爽蝴。全球碳預(yù)算項目。非常全面的碳核算項目數(shù)據(jù)纫骑。值得關(guān)注蝎亚。
鄰里影響平均問題（NEAP）是一個主要的方法論問題先馆，可能會影響對暴露于與流動性相關(guān)的環(huán)境因素（例如空氣/噪聲污染）的個體暴露評估的準(zhǔn)確性发框。本文著眼于室外地面臭氧作為主要的空氣污染物，利用3790個人的一日活動旅行日記數(shù)據(jù)磨隘，研究了NEAP在評估洛杉磯人口空氣污染中的社會人口統(tǒng)計學(xué)差異缤底。它解決了兩個問題：（1）NEAP如何影響人們空氣污染暴露中社會人口統(tǒng)計學(xué)差異的評估？ （2）哪些以居民為基礎(chǔ)的暴露人群較高番捂，沒有平均鄰域效應(yīng)个唧？我們的空間回歸模型的結(jié)果表明，當(dāng)人們的日成柙ぃ活動被忽略時徙歼，由于不同社會/種族群體平均鄰里效應(yīng)的表現(xiàn)形式不同，因此對人們在室外地面臭氧暴露中的社會人口統(tǒng)計學(xué)差異的評估可能是錯誤的鳖枕。我們的空間自logistic回歸模型的結(jié)果表明魄梯，非勞動者（例如，失業(yè)者宾符，家庭主婦酿秸，退休者和學(xué)生）沒有經(jīng)歷向下平均化的可能性：他們經(jīng)歷向下平均化的可能性要低得多，這可能會降低他們的高暴露水平在他們的居民區(qū)旅行到其他街區(qū)時（因此處于雙重不利地位）魏烫。因此辣苏，為了避免在環(huán)境不平等研究中得出錯誤的結(jié)論和無效的公共政策肝箱，在未來與人口流動相關(guān)的環(huán)境因素相關(guān)的社會人口學(xué)差異研究中考慮NEAP至關(guān)重要。關(guān)美寶老師團(tuán)隊的成果稀蟋，分析NEAP對環(huán)境暴露與健康效應(yīng)相關(guān)的一個實(shí)證研究案例煌张。結(jié)合時空行為地理學(xué)的典型數(shù)據(jù)進(jìn)行分析。
12.Analyzing Asymmetric City Connectivity by Toponym on Social Media in China/在中國社交媒體上按地名分析不對稱的城市連通性
在移動和大數(shù)據(jù)時代退客，城市之間的聯(lián)系已成為城市和區(qū)域研究中討論最廣泛的主題之一骏融。確定的一個問題是城市連接不對稱，部分原因是數(shù)據(jù)可用性萌狂。我們基于從社交媒體數(shù)據(jù)中提取的位置和地名（地名）提出了一種數(shù)據(jù)驅(qū)動的方法档玻，以評估城市之間的不對稱連通性。假定城市i的名稱在位于城市j的帖子中出現(xiàn)的頻率更高粥脚，則意味著該城市i對城市j的影響力要強(qiáng)于其他城市窃肠。此外，我們已經(jīng)開發(fā)了一組度量標(biāo)準(zhǔn)刷允，例如相關(guān)性指數(shù)，影響指數(shù)碧囊，鏈接強(qiáng)度指數(shù)树灶，依賴性指數(shù)和結(jié)構(gòu)相似指數(shù)，以表征這種相互作用糯而√焱ǎ考慮到城市之間不斷發(fā)展的相互作用，這種連通性度量框架還可以用于支持智能規(guī)劃熄驼。案例研究了中國城市系統(tǒng)的時空結(jié)構(gòu)像寒。葉信岳老師團(tuán)隊的成果，社交媒體地理學(xué)的一個應(yīng)用瓜贾，通過社交媒體數(shù)據(jù)以及地名出現(xiàn)頻率構(gòu)建起的城市聯(lián)系強(qiáng)度模型诺祸。非常有意思的一個研究。
顆粒物（PM2.5和PM10）的環(huán)境濃度是監(jiān)測與生活條件相關(guān)的空氣質(zhì)量的重要指標(biāo)祭芦。估計PM2.5和PM10的大多數(shù)現(xiàn)有方法都采用遙感氣溶膠光學(xué)深度（AOD）產(chǎn)品作為主要變量筷笨。但是，AOD產(chǎn)品中丟失數(shù)據(jù)的覆蓋范圍通常很大龟劲，這可能給研究人員帶來不便胃夏。為了有效解決這一問題，我們的研究探索了一種新穎的方法昌跌，即使用PM2.5和PM10的前體和化學(xué)成分?jǐn)?shù)據(jù)集代替AOD產(chǎn)品仰禀。具體來說，根據(jù)Sentinel-5P和GEOS-FP蚕愤，估計中國全天的PM2.5和PM10周圍環(huán)境濃度為5公里（0.05°）答恶。在本文中饺蚊，利用光梯度增強(qiáng)機(jī)來訓(xùn)練估計模型，它將完全融合多源數(shù)據(jù)亥宿。為了進(jìn)行比較卸勺，在類似的框架中采用了VIIRS的Deep Blue AOD產(chǎn)品作為基準(zhǔn)（基于AOD）。驗證結(jié)果表明烫扼，通過所提出的方法可以很好地估算環(huán)境濃度曙求，對于PM2.5（PM10），基于樣品的交叉驗證R2和RMSE分別為0.93（0.9）和8.982（17.604）μg/ m3映企。同時悟狱，在不同情況下（例如，整體和季節(jié)性）堰氓，所提出的方法比基于AOD的方法具有更好的性能挤渐。相對于中國以前的相關(guān)工作，我們方法的估計精度也令人滿意双絮。此外浴麻，正如預(yù)期的那樣，PM2.5和PM10的所有前體和化學(xué)組成的所有變化都對所提出的方法中的估算有積極貢獻(xiàn)囤攀。關(guān)于制圖結(jié)果软免，通過提出的方法得出的估計結(jié)果呈現(xiàn)連續(xù)的空間分布，并且可以準(zhǔn)確表示PM2.5和PM10的季節(jié)性變化焚挠「嘞簦可以得出結(jié)論，本研究的全覆蓋估計結(jié)果有利于在AOD值缺失的地區(qū)進(jìn)行PM2.5和PM10的研究蝌衔。通過化學(xué)傳輸模型輸出結(jié)果來替代缺失的AOD估算PM2.5和PM10的制圖研究榛泛，非常有意思的一個研究。目前還在大氣化學(xué)top期刊ACP公開評審噩斟，感興趣的同學(xué)也可以comment曹锨。
近年來, 出現(xiàn)了越來越多的基于大數(shù)據(jù)的流動性研究, 揭示了人們在旅行中的行為和活動模式。但是, 數(shù)據(jù)真實(shí)性問題及其對知識發(fā)現(xiàn)過程的影響, 目前鮮有研究亩冬。本文探討了手機(jī)信令數(shù)據(jù)（MSD）在描述流動性模式中的數(shù)據(jù)真實(shí)性問題艘希。首先討論了影響人類流動性模式估算的MSD位置不確定性問題, 然后研究了現(xiàn)有的兩個解決方法（聚類法、時間窗口法）硅急。我們還提出一個新方法, 可以克服上述兩種方法的某些缺陷覆享。將這三種方法用于MSD大數(shù)據(jù), 我們發(fā)現(xiàn), 不同的數(shù)據(jù)預(yù)處理方法, 可能會很大程度上改變數(shù)據(jù)的特征, 并進(jìn)一步影響對人類流動性模式的描述和解釋。對三種方法的輸出結(jié)果, 我們計算了四個流動性指數(shù)（旅行數(shù)营袜、活動點(diǎn)位數(shù)撒顿、停留總時間、活動熵）, 發(fā)現(xiàn)三種方法對（與位置不確定性相關(guān)的）個體流動性估算有不同的影響荚板。分析結(jié)果表明, 我們應(yīng)更多地關(guān)注數(shù)據(jù)驅(qū)動流動性研究中的真實(shí)性問題凤壁、及其對地理空間研究的可復(fù)制性吩屹、可重現(xiàn)性的意義。港理工徐陽老師的研究拧抖，分析手機(jī)信令數(shù)據(jù)的位置不確定性問題煤搜，實(shí)際上這個問題是非常關(guān)鍵的，手機(jī)信令數(shù)據(jù)的地理定位依賴于基站的位置唧席，可能造成小尺度的流動性估算不確定性擦盾。
