大家新年好，新一期資源整理博客。
1 Coding:
1.R語言包radiant.basics，使用R和shiny的商業(yè)分析軟件包置森。
2.一個(gè)用于探索和發(fā)布數(shù)據(jù)的開源多功能工具，Datasette是用于瀏覽和發(fā)布數(shù)據(jù)的工具符糊。 它可以幫助人們獲取任何形狀或大小的數(shù)據(jù)暇藏，并將其發(fā)布為交互式，可探索的網(wǎng)站和API濒蒋。
3.關(guān)于作者碩士論文的技術(shù)部分盐碱，基于Google Earth Engine實(shí)現(xiàn)的結(jié)合Landsat和Sentinel 2以進(jìn)行作物監(jiān)測(cè)。
4.處理道路相關(guān)數(shù)據(jù)的流程化腳本沪伙。
5.小麥枯萎病殺菌劑功效的Meta分析瓮顽。
6.OpenMapKit Server是OpenMapKit的輕量級(jí)服務(wù)器組件，用于處理OpenStreetMap和OpenDataKit數(shù)據(jù)的收集和聚合围橡。
7.OpenMapKit的主要文件暖混。
8.世界衛(wèi)生組織的開源溝通頻道。
open source communication channel
9.現(xiàn)代C++的教程翁授。
10.InVEST模型的docker鏡像拣播。
11.R語言包targettypes，是target包的目標(biāo)原型和管道原型的集合收擦。 這些原型使用簡(jiǎn)潔的語法表示復(fù)雜的流水線贮配，從而增強(qiáng)了可讀性，從而提高了可重復(fù)性塞赂。
12.R語言包rstac泪勒， SpatioTemporal Asset Catalog 的R客戶端，SpatioTemporal Asset Catalog是用于描述地理空間信息數(shù)據(jù)的文件和Web服務(wù)的規(guī)范宴猾。
13.Adobe Illustrator的Javascript腳本集合圆存。
14.Python庫(kù)xarray_leaflet，leaflet的xarray拓展插件仇哆。
15.局部氣候分區(qū)圖的多標(biāo)簽機(jī)器學(xué)習(xí)標(biāo)注沦辙，還在建設(shè)中。
16.QGIS的資源讹剔。
17.Python庫(kù)DearPyGui油讯，一個(gè)快速且有力的GUI工具详民。
18.Kevin Murphy《概率機(jī)器學(xué)習(xí)》的一系列書籍。
19.UCL CASA的課程編程導(dǎo)論撞羽。
20.R語言包bnspatial阐斜，貝葉斯網(wǎng)絡(luò)與地理空間制圖的空間化實(shí)現(xiàn)衫冻。
21.Aalto GIS課程的CSC JupyterLab環(huán)境诀紊。
22.R語言包rmdrive，提供了簡(jiǎn)單的功能可將rmd文件移動(dòng)到google drive以進(jìn)行同步協(xié)作隅俘，然后將其返回到本地.Rmd進(jìn)行修訂邻奠。
23.R語言包USAboundaries，用以獲取美國(guó)的歷史和當(dāng)代邊界數(shù)據(jù)为居。
24.局部氣候分區(qū)圖的例子碌宴。
25.R語言包mschart，方便創(chuàng)建可以用于Microsoft Power Point的可交互式圖片蒙畴。
26.一位生態(tài)學(xué)家的Shiny介紹贰镣。
27.gdal-summarize.py的目標(biāo)是匯總跨圖層的柵格數(shù)據(jù)。
28.更簡(jiǎn)單構(gòu)建機(jī)器學(xué)習(xí)API的方式膳凝。
29.一個(gè)基于Postgres SQL與PostGIS構(gòu)建的開源地理空間軌跡數(shù)據(jù)庫(kù)碑隆。
30.R語言包ape，系統(tǒng)發(fā)育和進(jìn)化分析蹬音。
31.貝葉斯方法+概率編程的介紹上煤，純Python實(shí)現(xiàn)。
Probabilistic Programming and Bayesian Methods for Hackers
32.R語言包rgeoboundaries著淆，geoboundaries API的R客戶端劫狠。
33.課程可持續(xù)發(fā)展的空間數(shù)據(jù)科學(xué)的jupyter Notbebook（學(xué)生版本）。
34.100天的tensorflow概率實(shí)驗(yàn)永部。
tensorflow probability 100days
35.開源web地圖js庫(kù)openlayers独泞。
36.rspatialdata的主頁。
37.R語言包DataEditR苔埋，在R中手動(dòng)輸入和編輯數(shù)據(jù)可能很繁瑣阐肤，尤其是如果您的編碼經(jīng)驗(yàn)有限并且習(xí)慣于使用帶有圖形用戶界面（GUI）的軟件。 DataEditR是一個(gè)基于shiy和可擴(kuò)展的R軟件包讲坎，可以輕松地交互查看孕惜，輸入，過濾和編輯數(shù)據(jù)晨炕。
38.一個(gè)用于構(gòu)建管理面板和內(nèi)部工具的Web框架衫画。
39.Rowan University生物學(xué)家的數(shù)據(jù)科學(xué)的課程資料。
40.plaidml是一個(gè)框架將深度學(xué)習(xí)應(yīng)用到不同領(lǐng)域瓮栗。
41.Python庫(kù)PrettyErrors削罩，美化Python異常輸出以使其清晰可見瞄勾。
42.Python庫(kù)diagrams，使您可以用Python代碼繪制云系統(tǒng)架構(gòu)弥激。 它的誕生是為沒有任何設(shè)計(jì)工具的新系統(tǒng)架構(gòu)設(shè)計(jì)提供原型进陡。 您還可以描述或可視化現(xiàn)有的系統(tǒng)架構(gòu)。
43.Postgre SQL和PostGIS微服。
44.DevOps趾疚，開發(fā)人員和平臺(tái)工程師的工具集合。
docker development youtube series
45.R語言包msmbstyle以蕴，為使用R包的書籍生成的HTML頁面提供了另一種設(shè)計(jì)糙麦。將注釋放在頁面右邊。
46.氣候相關(guān)的數(shù)據(jù)集API與開源項(xiàng)目丛肮。
47.R語言包slider赡磅，提供了一系列通用的“滑動(dòng)窗口”功能。 該API的目的與purrr非常相似宝与。 這些功能的目標(biāo)通常是計(jì)算滑動(dòng)平均值焚廊，累積總和，滑動(dòng)回歸或其他基于“窗口”的計(jì)算习劫。
48.免費(fèi)R-Tips是Business Science提供的免費(fèi)新聞通訊咆瘟。每個(gè)星期二提供的代碼教程。
49.仿制控制算法中的通用性多任務(wù)評(píng)估（MAGICAL）榜聂。
50.PyCRS是一個(gè)純Python GIS軟件包搞疗，用于在各種通用坐標(biāo)參考系統(tǒng)（CRS）字符串和數(shù)據(jù)源格式之間進(jìn)行讀取，寫入和轉(zhuǎn)換须肆。
51.Julia的軟件包DoctorDocstring匿乃，用于診斷軟件包中缺少的文檔字符串。
52.papermill是用于參數(shù)化豌汇，執(zhí)行和分析Jupyter Notebook的工具幢炸。
53.將鋼琴錄音轉(zhuǎn)錄成MIDI文件的任務(wù)。 高分辨率鋼琴轉(zhuǎn)錄系統(tǒng)的PyTorch實(shí)現(xiàn)拒贱。
54.R語言包tmaptools宛徊，該軟件包提供了一組方便的工具功能，用于讀取和處理空間數(shù)據(jù)逻澳。 這些功能的目的是提供工作流程以創(chuàng)建專題圖闸天。
55.使用PySimpleGUI開發(fā)的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)GUI程序/桌面應(yīng)用程序。
56.使用Python斜做、OpenCV苞氮、FFmpeg，自動(dòng)識(shí)別電影剪輯瓤逼、分析剪輯主題顏色笼吟。
cut video and generate color with python opencv
57.Sentinel系列衛(wèi)星SAR影像分析的jupyter notebook樣例库物。
58.rodent小數(shù)據(jù)集中的缺失值探索。
59.bco app是用于創(chuàng)建贷帮，驗(yàn)證和瀏覽BioCompute對(duì)象的Shiny應(yīng)用程序戚揭。
60.使用Golang編寫的LAS文件的Cesium.js點(diǎn)云3D切片生成器。
61與Tucker, A.M., C.P. McGowan, E. Mulero, N.F. Angeli, and J.P. Zegarra的論文"A demographic projection model to support conservation decision making for an endangered snake with limited monitoring data(In revision - Animal Conservation)"相關(guān)的代碼和文件撵枢。
62.嚴(yán)重性估算：虛擬實(shí)驗(yàn)民晒。
63.微軟的人工智能系統(tǒng)課程資源。
64.R語言包agriwater诲侮，使用衛(wèi)星影像和農(nóng)業(yè)氣象數(shù)據(jù)獲取能量平衡和實(shí)際蒸散量的R軟件包镀虐。
65.Voilà將Jupyter筆記本變成獨(dú)立的Web應(yīng)用程序箱蟆。
66.IPSQL是可以在IPFS中運(yùn)行的去中心化數(shù)據(jù)庫(kù)沟绪。 它實(shí)現(xiàn)了SQL模式，數(shù)據(jù)模型和查詢語言空猜。
67.R語言包speed绽慈，空間增強(qiáng)和熵導(dǎo)出的鄰接矩陣（SpEED-CoMat）。
68.forty是一個(gè)多頁面網(wǎng)站的hugo主題辈毯。 它是HTML5 UP構(gòu)建的移植主題坝疼。該主題包含許多樣式元素，并具有聯(lián)系表單谆沃。 專為博客钝凶，企業(yè)或自由職業(yè)者而設(shè)計(jì)。
69.由克羅姆（Peter Lemon）設(shè)計(jì)的Game Boy Advance裸機(jī)代碼唁影。所有代碼都可以通過FASMARM匯編器即時(shí)進(jìn)行編譯耕陷。
70.R語言包c(diǎn)orrelation，相關(guān)分析的方法包据沈。
71.Python庫(kù)geosnap哟沫，使探索，建模锌介，分析和可視化社區(qū)的社會(huì)和空間動(dòng)態(tài)變得更加容易嗜诀。
72.Python庫(kù)tobler，用于面插值孔祸，等軸測(cè)圖映射和支持更改隆敢。
73.JuliaGeo是一個(gè)組織，其中包含許多相關(guān)的Julia項(xiàng)目崔慧，用于處理拂蝎，查詢和處理地理空間幾何數(shù)據(jù)。 該存儲(chǔ)庫(kù)旨在圍繞JuliaGeo組織進(jìn)行討論尊浪，并列出了一些可用的現(xiàn)有庫(kù)匣屡，以及參與JuliaGeo生態(tài)系統(tǒng)的方式（軟件包封救，教材等）。
74.“學(xué)習(xí)玩混沌游戲：通過區(qū)分迭代函數(shù)系統(tǒng)來實(shí)現(xiàn)分形葉子”的代碼捣作。
75.Python庫(kù)scikit-multilearn誉结，能夠執(zhí)行多標(biāo)簽學(xué)習(xí)任務(wù)。
76.Google Earth Engine代碼券躁，可通過Landsat系列衛(wèi)星計(jì)算地表溫度惩坑。Remote Sensing發(fā)表文章的代碼。
77."An Introduction to Statistical Learning"一書的練習(xí)與答案也拜。
An Introduction to Statistical Learning
78.具有重要性加權(quán)Actor-Learner架構(gòu)的可擴(kuò)展分布式深度強(qiáng)化學(xué)習(xí)以舒。
79.該數(shù)據(jù)集16級(jí)的Web墨卡托地圖瓦片提供了全球固定寬帶和移動(dòng)（蜂窩）網(wǎng)絡(luò)性能指標(biāo)。
80.ImplicitGlobalGrid是瑞士國(guó)家超級(jí)計(jì)算中心慢哈，蘇黎世聯(lián)邦理工學(xué)院（Samuel Omlin博士）與斯坦福大學(xué)（LudovicR?ss博士）和瑞士地理計(jì)算中心（Yuri Podladchikov教授）合作的產(chǎn)物蔓钟。 它使規(guī)則的交錯(cuò)網(wǎng)格上基于模板的GPU和CPU應(yīng)用程序的分布式并行化幾乎變得微不足道，并且使成千上萬個(gè)GPU上的現(xiàn)實(shí)應(yīng)用程序接近理想的尺度卵贱。
81.多標(biāo)注模型性能的評(píng)估指標(biāo)滥沫。
82.Python庫(kù)TensorFlow Recommenders，一個(gè)使用TensorFlow構(gòu)建推薦系統(tǒng)模型的庫(kù)键俱。
83.Python庫(kù)acme兰绣，一個(gè)強(qiáng)化學(xué)習(xí)的研究框架。
84.Python庫(kù)TF-Agents编振，使用Tensorflow進(jìn)行強(qiáng)化學(xué)習(xí)的庫(kù)缀辩。使實(shí)施，部署和測(cè)試新的Bandits和強(qiáng)化學(xué)習(xí)算法更加容易踪央。 它提供了經(jīng)過測(cè)試的模塊化組件臀玄，可以對(duì)其進(jìn)行修改和擴(kuò)展。 它具有良好的測(cè)試集成和基準(zhǔn)測(cè)試杯瞻，可實(shí)現(xiàn)快速代碼迭代镐牺。
85.docker的基礎(chǔ)萍鲸。
86.Reverb是專為機(jī)器學(xué)習(xí)研究而設(shè)計(jì)的高效且易于使用的數(shù)據(jù)存儲(chǔ)和傳輸系統(tǒng)菇曲。
87.hugo的coder主題奴饮。
88.Klever是用于機(jī)器學(xué)習(xí)工作負(fù)載的云原生平臺(tái)率碾。 它可以幫助用戶訓(xùn)練此疹，分發(fā)譬圣，管理和服務(wù)其機(jī)器學(xué)習(xí)模型浦旱。
89.分布式強(qiáng)化學(xué)習(xí)代理的實(shí)現(xiàn)张症。
90.基于Ray和Tensorflow的分布式強(qiáng)化學(xué)習(xí)框架检疫。
91.Linux運(yùn)行wine應(yīng)用(QQ/微信/百度網(wǎng)盤/TIM/迅雷極速版/Foxmail等)讶请，適用于所有發(fā)行版------- Best wine-QQ/TIM/Wechat for all Linux distros。
92.stravalib項(xiàng)目旨在提供一個(gè)用于與Strava v3 Web服務(wù)進(jìn)行交互的簡(jiǎn)單API。
93.有關(guān)機(jī)器學(xué)習(xí)和捕捉相機(jī)陷阱的所有信息的列表夺溢。
94.21世紀(jì)的探索性數(shù)據(jù)分析论巍。
exploratory data analysis in the 21st century
95.Python庫(kù)gdown，從Google云端硬盤下載大文件（由于安全提示风响，curl / wget失敿翁）。
96.通過利用Apache MXNet進(jìn)行動(dòng)態(tài)培訓(xùn)状勤，可以利用AWS云的彈性和規(guī)模來降低深度神經(jīng)網(wǎng)絡(luò)的培訓(xùn)成本和時(shí)間鞋怀。
dynamic training with apache mxnet on aws
97.Python庫(kù)modin，通過更改一行代碼來加速pandas工作流程持搜。
98.蘇格蘭NHS（國(guó)家健康服務(wù)系統(tǒng)）的數(shù)據(jù)分析專家/商業(yè)智能開發(fā)者的主頁（使用R）密似。
99.R語言包rdwplus，Peterson＆Pearse（2017）的IDW-PLUS的開源實(shí)現(xiàn)（IDW-PLUS葫盼，溪流土地的反距離加權(quán)百分比）残腌。
100.基于dashboard的shiny app，內(nèi)容是地下水相關(guān)剪返。
101.R語言包terrainr废累，從USGS國(guó)家地圖獲取DEM和正射影像邓梅，對(duì)圖像進(jìn)行地理配準(zhǔn)并合并柵格脱盲，并對(duì)輸出進(jìn)行轉(zhuǎn)換，以便將其導(dǎo)入到Unity中日缨。
102.Python庫(kù)geocube钱反，將Geopandas矢量數(shù)據(jù)轉(zhuǎn)換為柵格化xarray數(shù)據(jù)的工具。
103.IGARSS 2021會(huì)議相關(guān)材料匣距。
104.來自微軟AI for Earth項(xiàng)目面哥，土地覆被制圖，前端Web應(yīng)用程序和后端服務(wù)器毅待。
105.通過Excel學(xué)習(xí)數(shù)據(jù)挖掘尚卫。
Learn Data Mining through Excel
106.Learning to Rearrange Deformable Cables, Fabrics, and Bags with Goal-Conditioned Transporter Networks論文代碼。
107.RStudio的地理數(shù)據(jù)科學(xué)環(huán)境docker容器化鏡像尸红。
108.R語言包scholar吱涉，提供了從Google Scholar中提取引用數(shù)據(jù)的功能。 除了檢索有關(guān)單個(gè)學(xué)者的基本信息之外外里，該軟件包還允許您比較多個(gè)學(xué)者并預(yù)測(cè)未來的h指數(shù)值怎爵。
109.tensorflow源碼閱讀筆記。
110.PyHSPF包含F(xiàn)ortran水文模擬程序（HSPF）的Python擴(kuò)展盅蝗，包括用于收集輸入數(shù)據(jù)鳖链，構(gòu)建輸入文件，執(zhí)行模擬墩莫，后處理結(jié)果芙委，校準(zhǔn)水文過程參數(shù)以及預(yù)測(cè)氣候和土地利用變化對(duì)水資源的影響的類逞敷。要使用HSPF，需要一個(gè)河流網(wǎng)絡(luò)的流線和集水量數(shù)據(jù)灌侣，河流到達(dá)子流域的土地利用數(shù)據(jù)兰粉，氣候參數(shù)的時(shí)間序列數(shù)據(jù)以及每個(gè)土地利用類別/子流域的水文參數(shù)《ネ可以根據(jù)需要在外部提供數(shù)據(jù)（例如玖姑，使用Python擴(kuò)展程序來處理各種數(shù)據(jù)類型）或使用PyHSPF的預(yù)處理類。
111.Python庫(kù)atral慨菱，計(jì)算太陽和月亮的位置焰络。
112.用于軟件和Web開發(fā)的免費(fèi)API的匯總列表。
113.R語言包sizzled符喝，可創(chuàng)建需要樣本量計(jì)算的實(shí)驗(yàn)闪彼。
114.R語言包AOI，AOI的目的是幫助人們?yōu)榉治龊椭茍D工作流創(chuàng)建可重現(xiàn)的的邊界协饲。
115.R語言包slga畏腕，可以從澳大利亞土壤與景觀網(wǎng)格下載指定區(qū)域的數(shù)據(jù)。
116.FORCE11軟件引證實(shí)施工作組茉稠。
117.udemy.com的課程The Complete JavaScript Course 2021: From Zero to Expert資料描馅。含課程中所有部分和項(xiàng)目的入門文件和最終代碼。
118.使用“ Apache”“ Drill”轉(zhuǎn)換和查詢數(shù)據(jù)的工具而线。
119.Python庫(kù)manim铭污，用于數(shù)學(xué)解釋視頻的動(dòng)畫引擎。
120.joplin在VSCode中的集成目前允許對(duì)目錄和注釋進(jìn)行直接操作膀篮，同時(shí)支持搜索功能嘹狞。
121.全球湖泊數(shù)據(jù)庫(kù)（GLLD）是Python軟件包LakePy的后端體系結(jié)構(gòu)。 GLLD在Amazon Web Services（AWS）關(guān)系數(shù)據(jù)庫(kù)服務(wù)（RDS）上托管歷史湖泊數(shù)據(jù)誓竿。
122.Google Cloud Developer的視覺筆記磅网，Google Cloud系列產(chǎn)品中的每個(gè)產(chǎn)品都以可視化的草圖注釋格式描述，以快速筷屡，輕松地掌握工具的功能涧偷。
123.帶有自動(dòng)完成功能，訂閱和GraphiQL的GraphQL的curl速蕊。 也是一個(gè)簡(jiǎn)單的通用javascript GraphQL客戶端嫂丙。
124.Python庫(kù)nmslib，dbMAP（基于擴(kuò)散的流形逼近和投影）规哲，一個(gè)用于運(yùn)行基于擴(kuò)散的流形近似和投影（dbMAP）的python模塊跟啤，這是一種快速，準(zhǔn)確和模塊化的降維方法。
125.HugeCTR是NVIDIA Merlin Open Beta的組件隅肥，是GPU加速的推薦程序框架竿奏。
126.TensorFlow的性能分析和性能分析工具。
127.一個(gè)有趣的shiny小應(yīng)用程序腥放，靈感來自@nnstats的推文泛啸。
128.XNNPACK是針對(duì)ARM，WebAssembly和x86平臺(tái)的高度優(yōu)化的浮點(diǎn)神經(jīng)網(wǎng)絡(luò)推理運(yùn)算符庫(kù)秃症。
129.音樂深度學(xué)習(xí)的資源候址。
130.如何使用蘇格蘭NHS網(wǎng)站的API。
131.免費(fèi)的計(jì)算機(jī)編程類中文書籍种柑，歡迎投稿岗仑。
132.練習(xí)旨在反映對(duì)可持續(xù)性和空間數(shù)據(jù)科學(xué)的看法，并幫助開始使用Python并學(xué)習(xí)使用課程環(huán)境聚请。
133.R語言包polite荠雕，基于出色的工具包，用于定義和管理http會(huì)話（httr和rvest）驶赏，聲明用戶代理字符串和調(diào)查站點(diǎn)策略（robotstxt）以及利用速率限制和響應(yīng)緩存（ratelimitr和備忘錄）炸卑。
134.Data Science Studio課程的資料。用于分析人群動(dòng)態(tài)煤傍。
135.Python庫(kù)isort盖文，用于按字母順序?qū)?dǎo)入進(jìn)行排序，并自動(dòng)將其按部分和類型分開患久。 它為各種編輯器提供了命令行實(shí)用程序椅寺，Python庫(kù)和插件，可快速對(duì)所有導(dǎo)入進(jìn)行排序蒋失。
136.Python庫(kù)LakePy，是以用戶為中心的Global Lake Level Database的pythonic前端桐玻。
137.Python庫(kù)xoak篙挽，Xoak是Xarray擴(kuò)展，它允許逐點(diǎn)選擇以任意數(shù)量的維度在坐標(biāo)中編碼的不規(guī)則n維數(shù)據(jù)镊靴。
138.滑鐵盧大學(xué)的CS350（操作系統(tǒng)）課程考試復(fù)習(xí)筆記铣卡。
139.R語言包parallelly，提供增強(qiáng)并行程序包的功能偏竟。例如煮落，availableCores（）給出R選項(xiàng)和環(huán)境變量（包括由作業(yè)調(diào)度程序在高性能計(jì)算（HPC）集群上設(shè)置的選項(xiàng)）和環(huán)境變量給定的R進(jìn)程可用的CPU內(nèi)核數(shù)。如果R在'cgroups'或Linux容器下運(yùn)行踊谋，那么它們的設(shè)置也會(huì)被確認(rèn)蝉仇。
140.Carter et al. 2020論文的代碼和數(shù)據(jù)。
temporal island prioritization
141.Python庫(kù)Opacus，可以使用不同的隱私訓(xùn)練PyTorch模型轿衔。 它支持在客戶端上進(jìn)行的代碼更改最少的培訓(xùn)沉迹，對(duì)培訓(xùn)性能的影響很小，并且允許客戶端在線跟蹤在任何給定時(shí)刻花費(fèi)的隱私預(yù)算害驹。
142.Verdaccio是一個(gè)簡(jiǎn)單的鞭呕，零配置所需的本地私有npm注冊(cè)表。 無需整個(gè)數(shù)據(jù)庫(kù)就可以開始宛官！ Verdaccio具有自己的小型數(shù)據(jù)庫(kù)葫松，并且具有代理其他注冊(cè)表（例如npmjs.org）的能力，并一路緩存下載的模塊底洗。
143.Three.js渲染器进宝，它利用路徑跟蹤來渲染具有真實(shí)照片級(jí)逼真的場(chǎng)景。 渲染器支持全局照明枷恕，反射党晋，柔和陰影和逼真的環(huán)境照明。
144.Python庫(kù)dalle-pytorch徐块，在Pytorch中實(shí)現(xiàn)/復(fù)制OpenAI未玻，即OpenAI的文本到圖像轉(zhuǎn)換器。 它還將包含CLIP胡控，用于對(duì)世代進(jìn)行排名扳剿。
145.LocalStack為開發(fā)云應(yīng)用程序提供了易于使用的測(cè)試/模擬框架。
146.用于信用卡審批分析的R Shiny App昼激。
147.Python庫(kù)alive-progress庇绽，一種新型的進(jìn)度條，具有實(shí)時(shí)吞吐量橙困，eta和非城撇簦酷的動(dòng)畫！
148.Topeka, Kansas的FEV1探索性數(shù)據(jù)分析凡傅。
149.R語言包easystats辟狈，旨在提供一個(gè)統(tǒng)一和一致的框架來訓(xùn)練，約束和利用R統(tǒng)計(jì)信息及模型夏跷。
150.使用U-Net架構(gòu)的Pytorch實(shí)施進(jìn)行道路和建筑物提取哼转。
151.SEVIR天氣數(shù)據(jù)集的挑戰(zhàn)和基線模型。SEVIR（用于雷達(dá)和衛(wèi)星氣象學(xué)中的深度學(xué)習(xí)應(yīng)用的Storm事件圖像數(shù)據(jù)集）槽华。
152.R語言包urlchecker壹蔓，從舊版本的R 4.1中的R 4.1運(yùn)行URL檢查，并根據(jù)需要自動(dòng)更新URL猫态。
2 Paper:
越來越多地研究環(huán)境暴露佣蓉，作為健康行為和疾病后果的可能驅(qū)動(dòng)因素披摄。旨在識(shí)別和更好地了解暴露在整個(gè)生命過程中對(duì)行為和疾病風(fēng)險(xiǎn)的影響的所謂暴露研究需要高質(zhì)量的環(huán)境暴露數(shù)據(jù)。荷蘭擁有各種各樣的環(huán)境數(shù)據(jù)偏螺，包括有關(guān)城市基礎(chǔ)設(shè)施行疏，物理化學(xué)暴露，社區(qū)服務(wù)的存在和可用性等的高空間分辨率和時(shí)空分辨率信息套像。直到最近酿联，這些環(huán)境數(shù)據(jù)還是在不同的空間尺度上進(jìn)行分散和測(cè)量的，這阻礙了與個(gè)人（隊(duì)列）數(shù)據(jù)的鏈接夺巩，因?yàn)樗鼈兩形醋鳛閭€(gè)人暴露進(jìn)行操作贞让，即暴露于特定于某個(gè)人的環(huán)境特征。在地球科學(xué)和健康人群聯(lián)合會(huì)（GECCO）中柳譬，并在全球地球健康數(shù)據(jù)中心（GGHDC）的支持下喳张，荷蘭建立了一個(gè)平臺(tái)，該平臺(tái)將環(huán)境變量集中化美澳，作為個(gè)人暴露進(jìn)行操作销部，并用于豐富23個(gè)人群研究并應(yīng)要求提供給研究人員。我們?cè)谶@里展示并詳細(xì)介紹了迄今為止GECCO內(nèi)可用的一系列個(gè)人暴露數(shù)據(jù)集制跟，涵蓋了荷蘭整個(gè)土地上荷蘭所有居民（目前約為1700萬）的個(gè)人暴露舅桩，并討論了挑戰(zhàn)和機(jī)遇。現(xiàn)在和不久的將來使用它雨膨。一項(xiàng)先瞻性的地理環(huán)境暴露隊(duì)列研究擂涛，非常重要的一項(xiàng)數(shù)據(jù)。
對(duì)于諸如地圖聊记，導(dǎo)航和監(jiān)視之類的各種應(yīng)用撒妈，市區(qū)的語義標(biāo)記是一項(xiàng)必不可少但具有挑戰(zhàn)性的任務(wù)。光檢測(cè)和測(cè)距（LiDAR）系統(tǒng)的飛速發(fā)展為這項(xiàng)任務(wù)提供了使用3D點(diǎn)云的可能解決方案排监，該點(diǎn)云可訪問狰右，負(fù)擔(dān)得起，準(zhǔn)確且適用社露。在所有類型的平臺(tái)中挟阻，具有LiDAR的機(jī)載平臺(tái)可以用作市區(qū)大規(guī)模3D映射的高效工具。在這種背景下峭弟，已經(jīng)開發(fā)了大量算法和方法來充分探索3D點(diǎn)云的潛力。但是脱拼，對(duì)于評(píng)估已開發(fā)算法和方法的性能至關(guān)重要的瞒瘸，可公開訪問的大規(guī)模注釋數(shù)據(jù)集的創(chuàng)建仍處于早期階段。在這項(xiàng)工作中熄浓，我們提出了在高密度和復(fù)雜的市區(qū)中獲取的大規(guī)那槌簦空中LiDAR點(diǎn)云數(shù)據(jù)集省撑，用于評(píng)估語義標(biāo)記方法。該數(shù)據(jù)集覆蓋了大約1平方千米的高密度建筑物的市區(qū)俯在，并包含超過300萬個(gè)點(diǎn)竟秫，并標(biāo)記了五類對(duì)象。此外跷乐，利用幾種基線方法的結(jié)果進(jìn)行了實(shí)驗(yàn)肥败，證明了該數(shù)據(jù)集作為評(píng)估語義標(biāo)記方法的基準(zhǔn)的可行性和能力。慕尼黑工大團(tuán)隊(duì)的一套數(shù)據(jù)集愕提，語義標(biāo)記的航空LiDAR數(shù)據(jù)集馒稍。
氣候變化和人類活動(dòng)給城市沿海地區(qū)帶來了各種各樣的壓力。對(duì)沿海脆弱性的綜合評(píng)估對(duì)于有效的干預(yù)措施和長(zhǎng)期規(guī)劃至關(guān)重要浅侨。但是纽谒，很少有基于對(duì)城市沿海地區(qū)的生態(tài)和物理特征以及社會(huì)經(jīng)濟(jì)狀況進(jìn)行綜合分析的研究。這項(xiàng)研究建立了一個(gè)整體框架如输，從生物物理暴露鼓黔，敏感性和適應(yīng)能力三個(gè)方面評(píng)估沿海脆弱性，并將其應(yīng)用于中國(guó)廣闊而重要的開發(fā)區(qū)環(huán)渤海經(jīng)濟(jì)圈不见。針對(duì)總5627公里海岸線中的每1 km2段澳化，開發(fā)了一個(gè)綜合脆弱性指數(shù)（CVI），并通過繪制當(dāng)前和未來氣候變化情景下CVI的分布模式脖祈，確定了最容易造成沿海災(zāi)害的地區(qū)肆捕。 CVI顯示出空間異質(zhì)性，較高的值集中在西南和東北海岸盖高，而較低的值集中在南部海岸慎陵。目前，約有35萬人的海岸線中有20％極易受到沿海災(zāi)害的影響喻奥。在2100年的未來情景中席纽，隨著海平面上升，更多的海岸線將變得高度脆弱撞蚕，受高度威脅的人口數(shù)量估計(jì)將增加13-24％润梯。在沿海城市中，東營(yíng)被歸類為脆弱性最高的國(guó)家甥厦，這主要是由于交通和醫(yī)療服務(wù)差以及人均GDP低纺铭，這導(dǎo)致適應(yīng)能力低下。我們的結(jié)果可通過突出優(yōu)先領(lǐng)域并確定優(yōu)先級(jí)的最重要決定因素刀疙，促進(jìn)針對(duì)氣候變化適應(yīng)和可持續(xù)沿海管理的針對(duì)特定地點(diǎn)的干預(yù)措施而使決策者受益舶赔。歐陽志云老師團(tuán)隊(duì)的研究，分析海岸帶對(duì)氣候變化的脆弱性谦秧。研究的框架值得參考竟纳，包括暴露撵溃，敏感性和適應(yīng)能力的綜合評(píng)估。
正確估計(jì)初始狀態(tài)變量和模型參數(shù)對(duì)于確定數(shù)值模型預(yù)測(cè)的準(zhǔn)確性至關(guān)重要锥累。在這項(xiàng)工作中缘挑，我們開發(fā)了基于集成卡爾曼濾波器和Common Land Model 3.0版（CoLM）的一維土地?cái)?shù)據(jù)同化方案。該方案用于改善土壤溫度剖面的估算桶略。葉面積指數(shù)（LAI）也由MODIS LAI生產(chǎn)動(dòng)態(tài)更新语淘，并且MODIS地表溫度（LST）產(chǎn)品被吸收到CoLM中。在2002年10月1日至2003年9月30日期間删性，通過對(duì)CEOP蒙古參考站中的四個(gè)自動(dòng)氣象站（BTS亏娜，DRS，MGS和DGS）進(jìn)行觀測(cè)蹬挺，對(duì)該方案進(jìn)行了測(cè)試和驗(yàn)證维贺。結(jié)果表明，數(shù)據(jù)同化可以改善估計(jì)土壤溫度剖面約為1K巴帮。與模擬相比溯泣，BTS和DGS處土壤熱通量的同化結(jié)果分別約為13 W m-2和DRS和MGS處分別為2 W m-2。此外榕茧，將MODIS土地產(chǎn)品同化為地表模型是一種改進(jìn)地表變量和通量估算的實(shí)用而有效的方法垃沦。李新老師團(tuán)隊(duì)的成果，發(fā)表于遙感界top期刊RSE用押，利用集成卡爾曼濾波和MODIS LST進(jìn)行數(shù)據(jù)同化肢簿，改進(jìn)土壤溫度估算。結(jié)合了通用陸面模型的一個(gè)研究蜻拨。從結(jié)論看似乎是把土地產(chǎn)品（分類數(shù)據(jù)）同化為地表模型池充，這是比較有意思的點(diǎn)，用分類變量同化數(shù)值變量缎讼。
激光雷達(dá)的出現(xiàn)徹底改變了我們從地面和地面上觀察和測(cè)量植被結(jié)構(gòu)的方式收夸，代表了對(duì)3D生態(tài)觀察定量化的重大進(jìn)步。激光雷達(dá)硬件系統(tǒng)和數(shù)據(jù)處理算法的發(fā)展極大地改善了激光雷達(dá)觀測(cè)在生態(tài)研究中的可訪問性和易用性血崭。廣泛的研究致力于精確地測(cè)量和建模激光雷達(dá)數(shù)據(jù)中的植被結(jié)構(gòu)和功能屬性卧惜，這些數(shù)據(jù)來自一系列空間尺度（從單個(gè)器官到全球尺度）和生態(tài)系統(tǒng)類型（例如，森林夹纫，農(nóng)業(yè)咽瓷，草地和城市生態(tài)系統(tǒng)） ）。隨著激光雷達(dá)技術(shù)和應(yīng)用的發(fā)展舰讹，人們?cè)絹碓秸J(rèn)識(shí)到研究3D生態(tài)系統(tǒng)結(jié)構(gòu)的重要性忱详。研究表明，激光雷達(dá)觀測(cè)可以有效地用于校準(zhǔn)和改善生態(tài)模型跺涤，并產(chǎn)生更詳細(xì)匈睁，更準(zhǔn)確的結(jié)果，帶來了新的生態(tài)學(xué)見識(shí)桶错，對(duì)我們現(xiàn)有的知識(shí)提出了挑戰(zhàn)航唆。盡管如此，我們認(rèn)為將3D激光雷達(dá)觀測(cè)納入生態(tài)模型仍處于起步階段院刁，并且尚未充分探索將3D激光雷達(dá)觀測(cè)與多源遙感數(shù)據(jù)融合以促進(jìn)對(duì)生態(tài)過程的新認(rèn)識(shí)的潛力糯钙。 3D生態(tài)觀測(cè)的獲取應(yīng)繼續(xù)擁抱多維大遙感數(shù)據(jù)時(shí)代，帶來新的挑戰(zhàn)和機(jī)遇退腥。通過數(shù)據(jù)融合探索多時(shí)相和多平臺(tái)遙感數(shù)據(jù)的潛力任岸，將使下一代生態(tài)模型受益。郭慶華老師團(tuán)隊(duì)的成果狡刘，一篇綜述關(guān)于LiDAR在3D生態(tài)觀測(cè)與建模中的應(yīng)用與潛力享潜。適合對(duì)LiDAR與生態(tài)遙感的同學(xué)研讀，從而快速了解該領(lǐng)域的發(fā)展與現(xiàn)狀嗅蔬。發(fā)表于遙感界當(dāng)前IF最高的top期刊IEEE Geoscience and Remote Sensing Magazine 剑按。
背景：短期暴露于PM2.5已與人類發(fā)病率和死亡率廣泛相關(guān)。但是澜术，大多數(shù)最新研究都是在每天的時(shí)間范圍內(nèi)進(jìn)行的艺蝴，而忽略了暴露和結(jié)果的日內(nèi)變化。作為PM2.5中的重要組成部分鸟废，尚未對(duì)PM1在幾個(gè)小時(shí)內(nèi)的非常嚴(yán)重的影響進(jìn)行過研究猜敢。方法：2015-2016年，從中國(guó)廣州收集了針對(duì)特定規(guī)模的PM（即PM1盒延，PM2.5和PM10）缩擂，全因急診室（ED）的就診和氣象因素的每小時(shí)數(shù)據(jù)。進(jìn)行了時(shí)間分層的病例交叉設(shè)計(jì)兰英，并進(jìn)行了條件邏輯回歸分析撇叁，以評(píng)估特定大小的PM和ED訪視之間的每小時(shí)關(guān)聯(lián)，并調(diào)整了每小時(shí)平均溫度和相對(duì)濕度畦贸。進(jìn)行了按年齡陨闹，性別和季節(jié)分層的亞組分析，以確定潛在的影響因素薄坏。結(jié)果：總共包括292,743例急診就診趋厉。特定尺寸顆粒物的影響表現(xiàn)出高度相似的滯后模式艳丛，其中估計(jì)的比值比（OR）從滯后0–3到4–6 h略有上升逾条，隨后隨著滯后時(shí)間的延長(zhǎng)而衰減為零。與PM2.5和PM10相比瞎饲，PM1對(duì)急診就診的影響略大沈善。例如乡数，在滯后0–3小時(shí)椭蹄，急診就診次數(shù)增加了1.49％（95％置信區(qū)間：1.18-1.79％），1.39％（1.12-1.66％）和1.18％（0.97-1.40％）净赴，與10- PM1绳矩，PM2.5和PM10分別升高μg/ m3。我們已經(jīng)發(fā)現(xiàn)玖翅，隨著季節(jié)的變化翼馆，效果顯著變化，與寒冷月份（1.010金度，1.005至1.015）相比应媚，在寒冷月份（1.017，1.013至1.021）猜极，與PM1相關(guān)的OR值更大中姜。結(jié)論：我們的研究提供了關(guān)于PM1暴露在幾個(gè)小時(shí)內(nèi)對(duì)人體健康的不利影響的全新證據(jù)。在寒冷的月份魔吐，與PM相關(guān)的作用明顯更強(qiáng)扎筒。這些發(fā)現(xiàn)可能有助于衛(wèi)生政策制定者建立每小時(shí)的空氣質(zhì)量標(biāo)準(zhǔn)并優(yōu)化緊急醫(yī)療資源的分配。PM1對(duì)急診就診的影響酬姆，PM1是當(dāng)前還不那么受重視的大氣污染物嗜桌。但是不能忽視的是它對(duì)健康的影響，這樣子的污染暴露研究是非常具有前瞻性的辞色。
植物表型學(xué)是將植物基因組學(xué)與環(huán)境研究聯(lián)系起來的新途徑骨宠，從而改善了植物育種和管理。遙感技術(shù)改善了高通量植物的表型相满。但是层亿，三維（3D）表型的準(zhǔn)確性，效率和適用性仍然具有挑戰(zhàn)性立美，尤其是在現(xiàn)場(chǎng)環(huán)境中匿又。隨著設(shè)施和算法的快速發(fā)展，光檢測(cè)和測(cè)距（激光雷達(dá)）為3D表型提供了強(qiáng)大的新工具建蹄。在農(nóng)業(yè)中碌更，已經(jīng)進(jìn)行了許多努力來研究使用激光雷達(dá)的結(jié)構(gòu)和功能表型的靜態(tài)和動(dòng)態(tài)變化。這些進(jìn)展還改善了跨不同時(shí)空尺度和學(xué)科的3D植物建模洞慎，提供了與基因的關(guān)聯(lián)和環(huán)境實(shí)踐分析的更輕松痛单，更便宜的方法，并為育種和管理提供了新見識(shí)劲腿。除了農(nóng)業(yè)表型以外旭绒，激光雷達(dá)在林業(yè)，園藝和草類表型方面也顯示出巨大的潛力。盡管激光雷達(dá)在植物表型和建模方面已取得了顯著的進(jìn)步挥吵，但基于激光雷達(dá)的表型在育種和管理中的綜合應(yīng)用尚未得到充分探索重父。我們確定了基于激光雷達(dá)的表型開發(fā)中的三個(gè)主要挑戰(zhàn)：1）開發(fā)低成本，高時(shí)空和高光譜激光雷達(dá)設(shè)施蔫劣，2）進(jìn)入多維表型并努力生成新的算法和模型坪郭，以及3）擁抱開源和大數(shù)據(jù)。郭慶華老師組的成果脉幢，發(fā)表于遙感top期刊ISPRS攝影測(cè)量與遙感上。關(guān)于LiDAR應(yīng)用在植物表型學(xué)上的優(yōu)勢(shì)嗦锐，進(jìn)展和前景嫌松。感興趣的同學(xué)可以閱讀從而快速入門該領(lǐng)域。
我們構(gòu)建了近實(shí)時(shí)的每日CO2排放數(shù)據(jù)集萎羔，即Carbon Monitor，以監(jiān)測(cè)自2019年1月1日以來國(guó)家層面的化石燃料燃燒和水泥生產(chǎn)所產(chǎn)生的CO2排放變化碳默，每日覆蓋近乎全球基礎(chǔ)和經(jīng)常更新的潛力贾陷。每天的二氧化碳排放量是根據(jù)各種各樣的活動(dòng)數(shù)據(jù)估算得出的，其中包括31個(gè)國(guó)家/地區(qū)的每小時(shí)到每天的發(fā)電數(shù)據(jù)嘱根，62個(gè)國(guó)家/地區(qū)的月度生產(chǎn)數(shù)據(jù)和行業(yè)過程的生產(chǎn)指數(shù)以及該州的每日流動(dòng)性數(shù)據(jù)和流動(dòng)性指數(shù)髓废。全球416個(gè)城市的地面運(yùn)輸。各個(gè)飛行位置數(shù)據(jù)和月度數(shù)據(jù)用于航空和海上運(yùn)輸部門的估算该抒。此外慌洪，還使用針對(duì)206個(gè)國(guó)家/地區(qū)的每日氣溫進(jìn)行校正的月度燃料消耗數(shù)據(jù)來估算商業(yè)和住宅建筑的排放量。這個(gè)碳監(jiān)測(cè)器數(shù)據(jù)集通過受工作日和節(jié)假日以及COVID-19大流行的不斷發(fā)展影響的每日凑保，每周和季節(jié)性變化來顯示CO2排放的動(dòng)態(tài)性質(zhì)冈爹。 Carbon Monitor近實(shí)時(shí)CO2排放數(shù)據(jù)集顯示，與2019年同期相比欧引，2020年1月1日至6月30日全球CO2排放量下降了8.8％频伤，并在4月下旬檢測(cè)到CO2排放量的回升，主要是這歸因于中國(guó)經(jīng)濟(jì)活動(dòng)的復(fù)蘇以及其他國(guó)家/地區(qū)部分禁售的放松芝此。每日更新的二氧化碳排放數(shù)據(jù)集可以為相關(guān)科學(xué)研究和政策制定提供一系列機(jī)會(huì)憋肖。清華大學(xué)劉竹老師團(tuán)隊(duì)開發(fā)的近實(shí)時(shí)每日CO2排放數(shù)據(jù)集。有對(duì)應(yīng)的一篇NC論文癌蓖，感興趣的可以看瞬哼，本篇論文主要描述數(shù)據(jù)。
人們?cè)絹碓揭庾R(shí)到城市的綠色空間對(duì)居民的健康有益租副。盡管大量研究集中在綠地?cái)?shù)量上坐慰，但對(duì)綠地質(zhì)量的關(guān)注卻很少。現(xiàn)有的評(píng)估綠地質(zhì)量的方法要么是勞動(dòng)密集型的，要么是費(fèi)時(shí)的结胀。這項(xiàng)研究開發(fā)了一種新的機(jī)器學(xué)習(xí)方法赞咙，可基于從中國(guó)廣州收集的街景圖像來評(píng)估綠地質(zhì)量。它還檢查了綠地暴露差異是否與鄰里社會(huì)經(jīng)濟(jì)地位（SES）相關(guān)糟港。驗(yàn)證過程表明攀操，我們的評(píng)分系統(tǒng)在預(yù)測(cè)訓(xùn)練數(shù)據(jù)以外的基于街景的綠地質(zhì)量方面達(dá)到了很高的準(zhǔn)確性。結(jié)果還表明秸抚，聚集的NDVI（歸一化植被指數(shù)）速和，街景綠色量和質(zhì)量之間在空間分布上存在明顯差異“溃回歸模型表明颠放，鄰域SES與NDVI不相關(guān)。盡管鄰里SES與街景綠色量和質(zhì)量指標(biāo)值都相關(guān)吭敢，但街景綠色質(zhì)量對(duì)鄰里SES的變化更為敏感碰凶。我們的工作表明，建議政策制定者和規(guī)劃者更多地關(guān)注城市地區(qū)的綠地質(zhì)量和綠地暴露差異鹿驼。中山大學(xué)劉曄老師團(tuán)隊(duì)的研究欲低，利用街景圖像評(píng)估綠地質(zhì)量，以及分析綠地暴露差異與社會(huì)經(jīng)濟(jì)地位的關(guān)系畜晰，比較新的研究砾莱。后續(xù)可以與健康數(shù)據(jù)關(guān)聯(lián)。
背景：青春期男性通常被認(rèn)為在醫(yī)療上不那么容易受害恤磷，導(dǎo)致社區(qū)保健減少，但是環(huán)境意識(shí)（準(zhǔn)備和知識(shí)）對(duì)空氣污染風(fēng)險(xiǎn)自我預(yù)防策略的影響更大野宜。但是扫步，社會(huì)環(huán)境經(jīng)驗(yàn)可以改變對(duì)環(huán)境的主觀理解，從而改變他們的環(huán)境意識(shí)匈子。方法：采用兩階段分析來評(píng)估社會(huì)環(huán)境觀念對(duì)551名青春期男性的空氣污染風(fēng)險(xiǎn)的準(zhǔn)備和知識(shí)的影響河胎。在第一階段，我們用高斯回歸評(píng)估對(duì)整體準(zhǔn)備和知識(shí)的影響虎敦，在第二階段中游岳，我們用二項(xiàng)式回歸評(píng)估具體的準(zhǔn)備和知識(shí)。結(jié)果：第一階段分析表明其徙，社會(huì)環(huán)境觀念影響了整體準(zhǔn)備胚迫，但沒有影響整體知識(shí)。尤其是唾那，對(duì)自己的環(huán)境知識(shí)了解程度低访锻，會(huì)對(duì)整體準(zhǔn)備產(chǎn)生負(fù)面影響，而對(duì)于較大的家庭而言，可以感知地對(duì)整體準(zhǔn)備產(chǎn)生積極影響期犬。第二階段的分析進(jìn)一步暗示了感知河哑，準(zhǔn)備和知識(shí)之間的復(fù)雜機(jī)制。具體而言龟虎，家庭周圍的室外空氣質(zhì)量較差璃谨，以及對(duì)自己的環(huán)境了解不足，會(huì)對(duì)照料家庭成員的具體準(zhǔn)備產(chǎn)生不利影響鲤妥。本身對(duì)環(huán)境的了解不足佳吞，也會(huì)對(duì)室外空氣污染的防范以及對(duì)能見度，口罩旭斥，心血管疾病和死亡風(fēng)險(xiǎn)的了解產(chǎn)生負(fù)面影響容达。惡劣的室內(nèi)環(huán)境會(huì)對(duì)戴口罩的準(zhǔn)備工作產(chǎn)生負(fù)面影響。但是垂券，參加很少的體育活動(dòng)會(huì)對(duì)戴口罩的準(zhǔn)備工作以及戴口罩，溫室氣體和對(duì)流層臭氧的知識(shí)產(chǎn)生負(fù)面影響羡滑，但對(duì)朦朧的日子對(duì)戶外活動(dòng)的準(zhǔn)備產(chǎn)生積極影響菇爪。可以看出柒昏，低中學(xué)歷對(duì)對(duì)流層臭氧的知識(shí)產(chǎn)生了積極影響凳宙。父母和大家庭對(duì)環(huán)境的了解不足，也對(duì)特定的準(zhǔn)備產(chǎn)生了積極影響职祷。家里室內(nèi)空氣質(zhì)量差對(duì)死亡風(fēng)險(xiǎn)的認(rèn)識(shí)產(chǎn)生積極影響氏涩。結(jié)論：由于青春期男性的準(zhǔn)備和知識(shí)的復(fù)雜性，應(yīng)有針對(duì)性地制定進(jìn)一步的環(huán)境和健康行動(dòng)（例如社區(qū)服務(wù)有梆，環(huán)境教育和健康研討會(huì)）是尖，并采取適當(dāng)?shù)念A(yù)防策略。一項(xiàng)分析高密度城市里男性社會(huì)和環(huán)境觀念對(duì)空氣污染風(fēng)險(xiǎn)防范和知識(shí)影響的研究泥耀，社會(huì)經(jīng)濟(jì)地位對(duì)健康認(rèn)知影響的研究饺汹。
背景：城市溫室氣體（GHG）排放的量化是應(yīng)對(duì)氣候變化的重要任務(wù)。包括空間上明確的排放估算在內(nèi)的排放清單有助于準(zhǔn)確跟蹤排放變化痰催，識(shí)別排放源以及制定減緩氣候變化的政策兜辞。當(dāng)前許多可用的網(wǎng)格化排放估算是基于國(guó)家或州范圍內(nèi)排放估算的分類，這可能有助于描述城市范圍內(nèi)的排放夸溶，但在跟蹤國(guó)家以下各級(jí)的變化方面價(jià)值有限逸吵。因此，應(yīng)該采用真正的自下而上的方法對(duì)城市溫室氣體排放進(jìn)行量化缝裁。結(jié)果：得出了來自日本東京都的化石燃料二氧化碳（FFCO2）排放的多分辨率扫皱，空間顯式估計(jì)。收集了點(diǎn)（例如發(fā)電廠和廢物焚化爐），線路（主要是交通）和區(qū)域（例如住宅和商業(yè)區(qū)）源的空間明確的排放數(shù)據(jù)啸罢。排放是根據(jù)為源位置計(jì)算的排放率繪制的编检。將活動(dòng)，排放和空間數(shù)據(jù)進(jìn)行了整合扰才，并使用地理信息系統(tǒng)方法將結(jié)果可視化允懂。結(jié)論：2014年東京都的FFCO2年度總排放量為43916 Gg CO2，其中道路運(yùn)輸部門（16323 Gg CO2）占總量的37.2％衩匣。通過與日本東亞空氣污染物排放網(wǎng)格數(shù)據(jù)庫(kù)（EAGrid-Japan）和人為CO2開源數(shù)據(jù)清單（ODIAC）進(jìn)行比較蕾总，驗(yàn)證了空間排放模式，這證明了該方法在整個(gè)國(guó)家其他地區(qū)的適用性琅捏。高分辨率空間顯示估計(jì)化石燃二氧化碳排放生百。基于點(diǎn)線面三者結(jié)合的空間排放清單編制柄延。
在全球范圍內(nèi)蚀浆，城市一直是溫室氣體（GHG）排放的主要來源，因此在減少二氧化碳排放的努力中發(fā)揮著越來越重要的作用搜吧。但是市俊，由于缺乏或與能源相關(guān)的統(tǒng)計(jì)數(shù)據(jù)質(zhì)量較低，尤其是對(duì)一些欠發(fā)達(dá)地區(qū)而言滤奈，量化城市一級(jí)的CO2排放通常是一項(xiàng)艱巨的任務(wù)摆昧。為了解決這個(gè)問題，本研究使用了一組開放訪問數(shù)據(jù)和機(jī)器學(xué)習(xí)方法來估計(jì)和預(yù)測(cè)中國(guó)整個(gè)城市的二氧化碳排放量蜒程。遞歸特征消除和Boruta等兩種特征選擇技術(shù)用于提取重要的關(guān)鍵變量和輸入?yún)?shù)绅你，以模擬CO2排放。最后昭躺，從31個(gè)預(yù)測(cè)變量中選擇18個(gè)來建立CO2排放的預(yù)測(cè)模型忌锯。我們發(fā)現(xiàn)，城市環(huán)境污染的統(tǒng)計(jì)指標(biāo)（如工業(yè)SO2和人均粉塵排放量）是預(yù)測(cè)中國(guó)城市水平CO2排放的最重要變量窍仰。與其他方法相比汉规，XGBoost模型的估計(jì)精度最高，R2 R> 0.98驹吮，相對(duì)誤差較低（約0.8％）针史。通過組合地理空間和氣象插值預(yù)測(cè)變量（例如DEM，年平均降水量和氣溫）碟狞，可以適度提高CO2排放預(yù)測(cè)精度啄枕。當(dāng)其余變量保持不變時(shí)，我們還觀察到城市人均二氧化碳排放量與城市經(jīng)濟(jì)增長(zhǎng)之間呈S型關(guān)系族沃，而不是U型频祝。本文提供的發(fā)現(xiàn)提供了概念的第一個(gè)證明泌参，即在城市地區(qū)容易獲得的社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)記錄和地理空間數(shù)據(jù)具有借助機(jī)器學(xué)習(xí)算法準(zhǔn)確預(yù)測(cè)城市水平CO2排放的潛力。我們的方法可用于為欠發(fā)達(dá)地區(qū)頻繁生成碳足跡圖常空，其中缺乏與能源相關(guān)的詳細(xì)統(tǒng)計(jì)數(shù)據(jù)沽一，以協(xié)助政策制定者設(shè)計(jì)減少和分配碳排放量減少目標(biāo)的具體措施。結(jié)合開放獲取數(shù)據(jù)和機(jī)器學(xué)習(xí)構(gòu)建城市二氧化碳排放制圖漓糙。值得注意的是這里得出人均碳排放量與經(jīng)濟(jì)是S型關(guān)系铣缠，不是常見的U型。
已經(jīng)提出將生態(tài)系統(tǒng)服務(wù)的概念納入規(guī)劃和管理實(shí)踐中昆禽，以此作為改善城市生態(tài)系統(tǒng)管理的一種方式蝗蛙。然而，由于許多政治和技術(shù)障礙醉鳖，該想法的采用緩慢捡硅。技術(shù)障礙之一是缺乏用于城市預(yù)測(cè)擬議政策和行動(dòng)對(duì)城市生態(tài)系統(tǒng)服務(wù)影響的工具。為了解決這一差距盗棵，我們基于社會(huì)生態(tài)模型框架開發(fā)了一種城市生態(tài)系統(tǒng)服務(wù)模型壮韭。以中國(guó)北京的PM2.5去除服務(wù)為例，我們展示了如何使用此模型來模擬不同政策方案對(duì)特定生態(tài)系統(tǒng)服務(wù)的影響纹因。我們的模擬結(jié)果表明泰涂，該城市生態(tài)系統(tǒng)貢獻(xiàn)的PM2.5去除服務(wù)可以幫助降低其社會(huì)系統(tǒng)中的PM2.5排放，從而形成了積極的反饋辐怕。在2016年至2035年期間，北京城市綠地提供的PM2.5清除服務(wù)在三種政策方案中有很大不同从绘，包括照常營(yíng)業(yè)寄疏，限制城市增長(zhǎng)和調(diào)整能源結(jié)構(gòu)。根據(jù)PM2.5清除服務(wù)的預(yù)測(cè)僵井，我們得出結(jié)論陕截，北京應(yīng)優(yōu)先考慮通過城市規(guī)劃限制城市增長(zhǎng)的政策。我們的研究表明批什，從長(zhǎng)遠(yuǎn)來看农曲，生態(tài)系統(tǒng)服務(wù)的反饋效應(yīng)非常重要。此外驻债，本研究開發(fā)的模型提供了一個(gè)有用的工具乳规，可以模擬城市規(guī)劃和管理對(duì)城市生態(tài)系統(tǒng)服務(wù)的影響。清華大學(xué)楊軍老師團(tuán)隊(duì)的成果合呐，將社會(huì)生態(tài)模型應(yīng)用到了生態(tài)系統(tǒng)服務(wù)當(dāng)中暮的，去分析PM2.5去除服務(wù)的影響。非常有意思的一篇論文淌实，代碼也已開源冻辩，更詳細(xì)的內(nèi)容可以參見楊軍老師團(tuán)隊(duì)微信公眾號(hào)推送文章猖腕。
鑒于大部分人暴露在城市的PM2.5中都是在室內(nèi)進(jìn)行的，因此降低室內(nèi)PM2.5的水平可能提供一種更可行恨闪，更直接的方法倘感，以挽救因PM2.5暴露而造成的大量生命和經(jīng)濟(jì)損失。我們旨在評(píng)估與實(shí)現(xiàn)新建立的中國(guó)室內(nèi)空氣指南和一些假設(shè)的室內(nèi)PM2.5指南值相關(guān)的過早死亡率和經(jīng)濟(jì)損失的減少咙咽。我們使用2015年中國(guó)339個(gè)城市的1497個(gè)監(jiān)測(cè)點(diǎn)的室外PM2.5濃度老玛，結(jié)合穩(wěn)態(tài)質(zhì)量平衡模型，估算了室外滲透PM2.5的室內(nèi)濃度犁珠。使用針對(duì)城市居民的省份特定時(shí)間活動(dòng)模式逻炊，我們估算了室外和室內(nèi)暴露于室外PM2.5的情況。然后犁享，我們繼續(xù)使用基于人口普查的局部濃度響應(yīng)模型和統(tǒng)計(jì)壽命估計(jì)值來計(jì)算整個(gè)中國(guó)城市PM2.5暴露引起的過早死亡和經(jīng)濟(jì)損失余素。最后，我們通過滿足當(dāng)前基于24小時(shí)的準(zhǔn)則以及各種假設(shè)的室內(nèi)PM2.5限值炊昆，估計(jì)了可避免的死亡率和相應(yīng)的經(jīng)濟(jì)損失桨吊。 2015年，在中國(guó)大陸城市地區(qū)凤巨，城市特定的室外和室內(nèi)PM2.5年度平均濃度分別為9-108μg/ m3和5-56μg/ m3视乐。室內(nèi)暴露每天占總時(shí)間加權(quán)暴露的62％–91％，每年68％–83％敢茁。在每日室內(nèi)濃度達(dá)到當(dāng)前準(zhǔn)則75μg/ m3佑淀、37.5μg/ m3和25μg/ m3的情況下，總死亡人數(shù)和經(jīng)濟(jì)損失的潛在減少量為16.9（95％CI：0.7-62.1）千彰檬，分別為87.7（95％CI：9.7–197.7）千和165.5（95％CI：30.8–304.0）千伸刃。相應(yīng)減少的經(jīng)濟(jì)損失分別為5.7（95％CI：0.2-34.8）十億美元，29.4（95％CI：2.4-109.6）十億美元和55.2（95％CI：7.7-168.0）十億美元逢倍。對(duì)于假定的室內(nèi)PM2.5限值捧颅，死亡和經(jīng)濟(jì)損失將在0–75μg/ m3范圍內(nèi)成倍減少。研究結(jié)果表明较雕，降低室內(nèi)源自室外的PM2.5濃度在挽救中國(guó)大量生命和經(jīng)濟(jì)損失方面是有效的碉哑。該分析提供了定量證據(jù)，以支持實(shí)施室內(nèi)空氣質(zhì)量指南或PM2.5亮蒋。非常有意思的環(huán)境健康研究扣典，結(jié)合居民時(shí)空行為模式和室外室內(nèi)PM2.5暴露的死亡和經(jīng)濟(jì)損失。同時(shí)考慮室內(nèi)室外的一個(gè)非常全面的空氣污染暴露研究宛蚓。
自1974年以來激捏，全球一直在推薦使用安全，高效的麻疹疫苗凄吏，但在2017年远舅，五歲以下兒童中有超過1,700萬例麻疹病例和83,400例死亡闰蛔，其中超過99％的病例發(fā)生在中低等收入國(guó)家（LMIC）1,2,3,4。對(duì)于常規(guī)的首劑含麻疹疫苗（MCV1）覆蓋率而言图柏，全球可比性序六，年度和本地估計(jì)對(duì)于了解地理精確的免疫模式，朝著實(shí)現(xiàn)全球疫苗行動(dòng)計(jì)劃（GVAP）的目標(biāo)以及在干擾中處于高風(fēng)險(xiǎn)地區(qū)至關(guān)重要接受由冠狀病毒病2019（COVID-19）引起的疫苗接種計(jì)劃5,6,7,8蚤吹。在這里例诀，我們對(duì)101個(gè)中低收入國(guó)家從2000年至2019年的5×5 km2像素和第二行政級(jí)別的常規(guī)兒童期MCV1覆蓋率進(jìn)行了年度估算，量化了地理不平等并通過地理偏遠(yuǎn)性評(píng)估了疫苗接種狀況裁着。在從2000年到2010年獲得MCV1廣泛普及之后繁涂，2010年至2019年之間，一半以上的地區(qū)覆蓋率下降二驰，使得許多中低收入和中等收入國(guó)家遠(yuǎn)離GVAP目標(biāo)扔罪，即到2019年所有地區(qū)覆蓋率達(dá)到80％。農(nóng)村地區(qū)的MCV1覆蓋率低于城市地區(qū)盡管總體上有較大比例的未接種疫苗的兒童生活在城市地區(qū)桶雀；提供基本疫苗接種服務(wù)的策略應(yīng)針對(duì)兩種地理環(huán)境矿酵。這些結(jié)果為決策者提供了加強(qiáng)常規(guī)MCV1免疫計(jì)劃并為所有兒童提供公平疾病保護(hù)的工具。疫苗覆蓋率的疾病負(fù)擔(dān)小組的分析結(jié)果矗积，基于多源數(shù)據(jù)結(jié)合地統(tǒng)計(jì)模型實(shí)現(xiàn)了101個(gè)中低收入國(guó)家2000-2019年5公里的麻疹疫苗覆蓋地圖全肮。
16.Spatial and Temporal Analysis of Lung Cancer in Shenzhen, 2008–2018/2008-2018年深圳市肺癌的時(shí)空分析
肺癌是中國(guó)最常被診斷出的癌癥。中國(guó)南方地區(qū)肺癌的發(fā)病趨勢(shì)和地理分布尚未見報(bào)道棘捣。本研究探討了2008年至2018年深圳肺癌發(fā)病率的時(shí)間趨勢(shì)和空間分布辜腺。肺癌發(fā)病率數(shù)據(jù)是從2008年至2018年在深圳癌癥登記系統(tǒng)中登記的人口中獲得的。肺癌的標(biāo)準(zhǔn)化發(fā)病率使用聯(lián)接點(diǎn)回歸模型進(jìn)行了分析乍恐。 Moran的I方法用于空間自相關(guān)分析哪自，并進(jìn)一步繪制了深圳的空間聚類圖。從2008年到2018年禁熏，肺癌的平均原始發(fā)病率為27.1（1 / 100,000），年百分比變化為2.7％（p <0.05）邑彪。組織學(xué)類型肺癌的最大平均比例被確定為腺癌（69.1％）瞧毙，女性觀察到呈上升趨勢(shì)，年平均變化率為14.7％寄症≈姹耄空間自相關(guān)分析表明，深圳的一些地點(diǎn)是高發(fā)生率的空間聚類區(qū)有巧。了解肺癌的發(fā)病模式有助于監(jiān)測(cè)和預(yù)防释漆。深圳市肺癌的時(shí)空分析，結(jié)合時(shí)空統(tǒng)計(jì)模型挖掘疾病流行模式篮迎。
建筑物是遙感（RS）圖像中最重要的景觀之一男图，并且在從城市規(guī)劃到其他社會(huì)經(jīng)濟(jì)研究的廣泛應(yīng)用中得到了廣泛的分析示姿。隨著超高分辨率（VHR）RS圖像變得越來越容易獲得，當(dāng)前的建筑物提取方法面臨著復(fù)雜場(chǎng)景中各種外觀逊笆，不同比例和復(fù)雜建筑物結(jié)構(gòu)的挑戰(zhàn)栈戳。隨著上下文感知深度學(xué)習(xí)方法的發(fā)展，許多著作已證明捕獲上下文信息可以提供空間關(guān)系線索难裆，以對(duì)對(duì)象進(jìn)行可靠的識(shí)別和檢測(cè)子檀。在本文中，我們提出了一種新穎的本地-全局雙流網(wǎng)絡(luò)（DS-Net）乃戈，該網(wǎng)絡(luò)可以自適應(yīng)地捕獲本地和遠(yuǎn)程信息褂痰，以便在VHR RS圖像中準(zhǔn)確繪制建筑物屋頂。 DS-Net的本地分支和全局分支以互補(bǔ)的方式相互配合症虑，在輸入圖像上具有不同的視野缩歪。通過定義明確的雙流體系結(jié)構(gòu)，DS-Net可以學(xué)習(xí)本地和全球分支機(jī)構(gòu)的分層表示形式侦讨，并且進(jìn)一步開發(fā)了深度功能共享策略以強(qiáng)制兩個(gè)分支機(jī)構(gòu)進(jìn)行更多的協(xié)作集成驶冒。進(jìn)行了廣泛的實(shí)驗(yàn)以驗(yàn)證我們的模型在三個(gè)廣泛使用的VHR RS數(shù)據(jù)集上的有效性：馬薩諸塞州建筑物數(shù)據(jù)集，Inria航空影像標(biāo)簽數(shù)據(jù)集和DeepGlobe建筑物檢測(cè)挑戰(zhàn)數(shù)據(jù)集韵卤。從經(jīng)驗(yàn)上講骗污，在定量測(cè)量和視覺評(píng)估方面，與當(dāng)前的最新技術(shù)相比沈条，擬議的DS-Net具有競(jìng)爭(zhēng)性或優(yōu)越的性能需忿。一個(gè)新的神經(jīng)網(wǎng)絡(luò)用于VHR遙感圖像提取建筑物。武大張良培老師團(tuán)隊(duì)的成果蜡歹。從結(jié)果上看屋厘，是一個(gè)非常不錯(cuò)的神經(jīng)網(wǎng)絡(luò)模型。
