最近忙于研究事宜，許久未歸颜矿。新一期資源整理博客寄猩。
1 Coding:
1.Python的Geohash編碼壓縮工具。
2.基于Google Earth Engine平臺用于洪澇災(zāi)害的水文遙感分析包骑疆。
3.Python庫moto焦影，一個(gè)使您能夠輕松模擬基于AWS基礎(chǔ)架構(gòu)的測試的庫。
4.R語言包helpr封断，可以改善友好的HTML文檔斯辰。
5.Binder實(shí)例與地理信息科學(xué)和技術(shù)知識體系的章節(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)和分析代碼坡疼。
7.R語言包sixs彬呻，使用6S模型做大氣校正。
8.R語言的Github Actions柄瑰。
9.Deep Reinforcement Learning Hands on一書的代碼闸氮。
Deep Reinforcement Learning Hands on
10.R語言包equtiomatic，將模型轉(zhuǎn)化為Latex的公式教沾。
11.R語言學(xué)習(xí)資源蒲跨。
12.Python庫networkx，網(wǎng)絡(luò)分析庫授翻。
13.用于GeoStats.jl框架的Jupyter筆記本形式的教程或悲。
14.Python庫networkit，一個(gè)還在發(fā)展的開源大規(guī)模網(wǎng)絡(luò)分析庫堪唐。
15.Richard McElreath的Statistical Rethinking一書第二版的數(shù)據(jù)與代碼巡语。
16.學(xué)習(xí)者從頭開始構(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)用程序淮菠。
18.macOS的gfortran和gcc編譯器男公。
19.Python庫rasterio，可以讀寫地理空間柵格數(shù)據(jù)合陵。
20.EMNLP2020論文Pre-training Multilingual Neural Machine Translation by Leveraging Alignment Information的代碼枢赔。
21.CVPR2020論文澄阳，此存儲庫提供了OCDA駕駛數(shù)據(jù)的示例代碼。 它實(shí)現(xiàn)了本文中的AdaptSeg基線模型踏拜。
22.Python庫zss提供了一個(gè)函數(shù)（zss.distance）寇荧，該函數(shù)計(jì)算兩個(gè)給定樹之間的編輯距離，以及一小組實(shí)用程序执隧，以方便使用。
23.Python庫apted户侥，這是APTED算法的Python實(shí)現(xiàn)镀琉，這是用于計(jì)算樹編輯距離的最新解決方案，它取代了RTED算法蕊唐。
24.GuwenBERT: 古文預(yù)訓(xùn)練語言模型屋摔。
25.R語言包parallaxr，使用YAML和Markdown在R中生成如圖的文檔替梨。
26.對您的Polygons和MultiPolygons應(yīng)用布爾多邊形裁剪操作（聯(lián)合钓试，交集，差副瀑，異或）弓熏。
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糠睡。
29.nep29計(jì)算工具挽鞠，推薦的numpy科學(xué)計(jì)算工具。
30.Stan math是一個(gè)C ++模板庫狈孔，可使用正向信认，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均抽，線性代數(shù)和方程求解的內(nèi)置函數(shù)嫁赏。
31.Flarum 簡體中文語言包。
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)庫油挥。
33.Duplicati是一個(gè)免費(fèi)的開放源備份客戶端潦蝇，可將加密的，增量的深寥，壓縮的備份安全地存儲在云存儲服務(wù)和遠(yuǎn)程文件服務(wù)器上护蝶。
34.這是一個(gè)簡單的腳本，用于實(shí)時(shí)從pushift收集作者翩迈，subreddit對持灰。
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語言包billboarder负饲，billboarder.js的htmlwidget插件堤魁。
37.Python庫xclim喂链，基于xarray的反演氣候變量庫。
38.OGGM是用于冰川動(dòng)力學(xué)的模塊化開源模型妥泉，該模型考慮了冰川的幾何形狀（包括貢獻(xiàn)分支）椭微，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去和將來（幾乎）任何冰川的質(zhì)量平衡盲链，體積和幾何形狀蝇率。 我們完全依靠公開可用的數(shù)據(jù)進(jìn)行校準(zhǔn)和驗(yàn)證。
39.Julia編寫的快速友好的不可壓縮流體流動(dòng)求解器刽沾，可以在1-3尺寸的CPU和GPU上運(yùn)行本慕。 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)侧漓。
40.Python庫cf xarray锅尘，xarray對象的輕量級訪問器，用于解釋CF屬性布蔗。
41.Python工具StreetSpace用以測量與分析街道藤违。
42.R語言包gggap，在“ ggplot2”圖的y軸上簡化了線段的創(chuàng)建纵揍。
43.基于MLT Framework和KDE Frameworks 5的免費(fèi)和開源視頻編輯器顿乒。
44.R語言selectr，使處理HTML和XML文檔更加容易泽谨。 它通過將CSS選擇器轉(zhuǎn)換為XPath表達(dá)式來做到這一點(diǎn)淆游，以便您可以輕松查詢XML和xml2文檔。
45.R語言包d3r隔盛，d3.js R的幫助犹菱。
46.R語言包c(diǎn)onvo，convo的目標(biāo)是實(shí)現(xiàn)一個(gè)控件的創(chuàng)建吮炕，以便為關(guān)系數(shù)據(jù)集中的列命名腊脱。
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發(fā)人員/數(shù)據(jù)科學(xué)產(chǎn)品組合龙亲，請使用此模板陕凹！ 基于GitHub Pages的最小Jekyll主題冰寻。
49.R語言包rtreesitter浅妆，Tree-sitter解析庫的R接口。
50.拼音首字母縮寫翻譯工具规求。
51.Kvass提供了Prometheus分片的解決方案拂盯，該解決方案使用Sidecar生成新配置佑女。
52.精選的出色開源醫(yī)療軟件，庫，工具和資源的清單团驱。 每個(gè)鏈接都經(jīng)過審核摸吠，以確保該項(xiàng)目有效，并為醫(yī)療機(jī)構(gòu)嚎花，提供商寸痢，開發(fā)商，政策專家和/或研究科學(xué)家提供價(jià)值紊选。
53.R語言包riskmetric啼止，用于評估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兵罢。
55.Cloud-init是用于跨平臺云實(shí)例初始化的行業(yè)標(biāo)準(zhǔn)多分發(fā)方法献烦。
56.從美國國家航空航天局獲取氣候變量的R代碼。
57.該頁面是利用Stan進(jìn)行貝葉斯推斷的軟件的生態(tài)學(xué)應(yīng)用的集合趣些。
58.雙信號轉(zhuǎn)換LSTM網(wǎng)絡(luò)，Interspeech 2020論文贰您。
59.GraphQL的JavaScript參考實(shí)現(xiàn)坏平，GraphQL是Facebook創(chuàng)建的API的查詢語言。
60.此存儲庫是“Engineering Production-Grade Shiny Apps”書附錄的附件锦亦。
61.R語言包windninjr舶替，輔助函數(shù)，用于從R運(yùn)行WindNinja杠园。
62.Python包pyrosm顾瞪，可將OSM數(shù)據(jù)從Protobuf格式解析為Geopandas GeoDataFrames。
63.芬蘭Python公開地理數(shù)據(jù)抛蚁。
64.2020年秋季Earth Analytics訓(xùn)練營課程的作業(yè)陈醒。
bootcamp 2020 12 vector template
65.使用基于特征的方法調(diào)查北美鳥類的年內(nèi)城市化模式。
66.防止敏感數(shù)據(jù)意外提交到github的工具瞧甩。
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)則钉跷。
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)肚逸。
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)目和論文爷辙。
71.Earth Lab JupyterHubs的基礎(chǔ)架構(gòu)和運(yùn)營。
72.Python庫progressbar朦促，文本進(jìn)度條膝晾。
73.R語言包reactable，基于React Table庫并使用react制作的R的交互式數(shù)據(jù)表务冕。
74.使用CNN監(jiān)督分類（CSC）對冰川景觀進(jìn)行分類血当。
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.對于打算為Chapman＆Hall寫書的人來說歹颓，這是一個(gè)最簡單的例子坯屿，謝益輝大大給的神器。
78.Python庫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)巍扛。它建立在GeoPandas领跛，PySAL和networkX之上。
79.R語言包c(diǎn)ollapse撤奸，一個(gè)基于C/C ++的軟件包吠昭，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）胧瓜。
81.Vegeta是一種多功能的HTTP負(fù)載測試工具矢棚，其構(gòu)建目的是為了以恒定的請求速率鉆取HTTP服務(wù)。 它既可以用作命令行實(shí)用程序府喳，也可以用作庫蒲肋。
82.Emacs的markdown預(yù)覽模式。
83.dygraphs JavaScript庫生成時(shí)間序列的交互式可縮放圖表钝满。
84.從node.js應(yīng)用程序創(chuàng)建一個(gè)可執(zhí)行文件兜粘。
85.在本地運(yùn)行GitHub操作。
86.不同計(jì)劃數(shù)據(jù)和技術(shù)資源的精選列表弯蚜。 邀請對構(gòu)建環(huán)境感興趣的人查看該倉庫并做出貢獻(xiàn)孔轴。
87.R語言包c(diǎn)hanger，更改現(xiàn)有R程序包的名稱碎捺。
88.適用于Chrome的功能最強(qiáng)大的屏幕記錄器和注釋工具路鹰。
89.R語言包actel，來自穿過接收器陣列的魚類的聲音遙測數(shù)據(jù)的標(biāo)準(zhǔn)化分析收厨。
90.R語言包RSP晋柱，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語言包jtools诵叁，匯總/可視化回歸和其他有用內(nèi)容的工具趣斤。
92.用于學(xué)習(xí)Python的地方和速查表。 Python腳本集合黎休，按主題劃分浓领，并包含帶說明的代碼示例。
93.Python庫echopype势腮，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联贩。
94.Google Earth Engine紅樹林制圖方法。
95.使用pulp包解決空間優(yōu)化的示例（p-median/set covering）
96.R語言包drc捎拯，通過一套靈活而通用的模型擬合和擬合后功能泪幌，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.中國軟件著作權(quán)申請教程 & 模板文件祸泪。
99.Python庫Pymer4吗浩，用于估計(jì)Python中的各種回歸模型和多層回歸模型。類似R里面的lme4没隘。
100.初學(xué)者的網(wǎng)頁開發(fā)教程懂扼，24節(jié)課，12周右蒲。
101.NHS-R社區(qū)會(huì)議2019的回歸建模研討會(huì)阀湿。
102.reMarkable的資源。reMarkable是一種紙質(zhì)手寫板瑰妄，適合那些喜歡在紙上而不是鍵盤上打字的人陷嘴。
103.R語言包miceFast，面向?qū)ο缶幊谭妒较碌目焖俨逖a(bǔ)间坐。 此外灾挨，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”竹宋。
104.R語言包lplyr劳澄，dplyr的拓展，專門針對list操作逝撬。
105.R語言包timetk浴骂，可視化乓土，整理和特征工程的時(shí)間序列數(shù)據(jù)以進(jìn)行預(yù)測和機(jī)器學(xué)習(xí)預(yù)測宪潮。
106.R語言包plotly，可視化神器趣苏，plotly.js的R接口狡相，與ggplot2深度集成，可以直接轉(zhuǎn)換食磕。
107.提供SQL Server數(shù)據(jù)管理功能的SQL Tools API服務(wù)尽棕。
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)的案例研究彬伦。
110.基于RNNoise庫的語音降噪lv2插件滔悉。
111.通過累積按頻率建模的波動(dòng)來進(jìn)行語音降噪。
112.該項(xiàng)目旨在建立一個(gè)語音增強(qiáng)系統(tǒng)來減輕環(huán)境噪聲单绑。
113.一個(gè)示例ALTREP程序包回官，無需重復(fù)即可將向量實(shí)現(xiàn)為其他向量的窗口/視圖。
114.R語言包placekey搂橙，用于placekey的API交互的R包歉提。
115.“地學(xué)研究人員所需要的GIS”研討會(huì)系列的開源倉庫。包含研討會(huì)上使用的數(shù)據(jù)，協(xié)議苔巨，輸出版扩，講座和資源。 Nicholas Barber教授的課程侄泽。
116.PixieDust是用于Python或Scala筆記本的生產(chǎn)力工具礁芦，開發(fā)人員可以使用它將業(yè)務(wù)邏輯封裝到易于客戶使用的東西中。
117.基于LiDAR的動(dòng)態(tài)移動(dòng)網(wǎng)絡(luò)全景分割蔬顾。
118.caldera是一個(gè)網(wǎng)絡(luò)安全框架宴偿，旨在輕松運(yùn)行自主的違規(guī)和模擬練習(xí)。
119.Plotly圖形庫的開源文檔诀豁。
120.R語言包splitr窄刘，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)用程序舷胜，墓碑地圖娩践。
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)信息烹骨，而官方來源無法提供這些信息翻伺。本文將來自Twitter的推文確定為潛在的VGI數(shù)據(jù)源，并說明如何發(fā)現(xiàn)和利用相關(guān)的推文沮焕。本文提出了實(shí)時(shí)（或接近實(shí)時(shí)）推文收集吨岭，實(shí)時(shí)推文保存在分布式地理數(shù)據(jù)庫中以及實(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峦树。已實(shí)現(xiàn)的Web GIS應(yīng)用程序包括一個(gè)tweet發(fā)現(xiàn)組件辣辫，一個(gè)帶有地理標(biāo)簽的tweets映射組件以及一個(gè)在線帶有地理標(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)庫中記錄收獲的帶有地理標(biāo)簽的推文魁巩，以便可以對其進(jìn)行實(shí)時(shí)重新分發(fā)急灭。基于2015年颶風(fēng)華金的推文和假設(shè)的大規(guī)模撤離谷遂，該案例研究評估了VGI在應(yīng)急管理中響應(yīng)的利弊葬馋。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)范例肾扰，集成為實(shí)時(shí)系統(tǒng)可以迅速響應(yīng)應(yīng)急災(zāi)害的管理畴嘶。
2.Exploring the influence of land cover on weight loss awareness/探索土地覆被對減肥意識的影響
減肥被認(rèn)為是美國越來越多的人的承諾，因?yàn)榉逝质窃搰毡榇嬖诘墓残l(wèi)生問題集晚。人們生活的地理環(huán)境和體重狀況的自我意識被認(rèn)為在體重管理中起著重要的作用窗悯。因此，了解地理環(huán)境和體重狀況的認(rèn)識對于維持或改善生活質(zhì)量至關(guān)重要甩恼。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)蟀瞧，在地理環(huán)境下對體重狀況的“地理意識”分析導(dǎo)致了新的研究途徑沉颂。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悦污。我們介紹從建模中獲得的發(fā)現(xiàn)：（1）與減肥相關(guān)的推文的地理模式铸屉，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)果通過表格和圖形進(jìn)行匯總切端。社交媒體地理學(xué)與健康地理的一個(gè)交叉研究彻坛，以Twitter數(shù)據(jù)與土地覆被數(shù)據(jù)分析土地覆被對于減肥意識的影響。
這項(xiàng)研究使用來自中國最大的互聯(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)集踏枣，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)系昌屉。通過檢查不同時(shí)期的人口分布，可以觀察到不同的城市形態(tài)茵瀑〖渫裕基于時(shí)間熵的時(shí)空人口分布分析表明，就業(yè)马昨，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)竞帽。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)，然后對其進(jìn)行測量以揭示人口時(shí)空分布的根本原因鸿捧。結(jié)果表明屹篓，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匙奴。在局部范圍內(nèi)堆巧，關(guān)鍵地區(qū)的臨時(shí)人口分布表明，人們在某個(gè)地方的位置與人類行為相符泼菌。在就業(yè)為主的地區(qū)谍肤，工作日的人口波動(dòng)較大，但周末的分布相對均勻灶轰。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)的高峰谣沸。相比之下刷钢，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)笋颤。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)比較大的趨勢内地。
4.Spatial and big data analytics of E-market transaction in China/中國電子市場交易的空間和大數(shù)據(jù)分析
本研究使用大數(shù)據(jù)方法和引力模型伴澄，基于淘寶平臺2011年6月至12月在線手機(jī)交易的數(shù)據(jù)，量化了中國城市在線交易的范圍和來源阱缓，并探索了驅(qū)動(dòng)力非凌。 晉冀地區(qū)，長三角和珠三角表明荆针，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)敞嗡。 回歸結(jié)果表明颁糟，距離，GDP和人口密度是影響電子市場交易數(shù)量和數(shù)量的三個(gè)主要因素喉悴。 交易者的數(shù)量和聲譽(yù)（按相對價(jià)值）也顯著提高了交易量和數(shù)量棱貌。 此外，來自淘寶平臺的大數(shù)據(jù)提供了證據(jù)箕肃，表明重力模型在估計(jì)在線交易量方面是有效的婚脱。基于淘寶大數(shù)據(jù)分析中國城市電商市場的空間分布趨勢勺像，從結(jié)果來看障贸，電商市場與傳統(tǒng)市場同樣受到三個(gè)主要因素影響，即距離吟宦，GDP和人口密度篮洁。
本文基于收集的2005年殃姓，2010年和2015年中國地級以上城市的信息嘀粱，分析了城市形態(tài)，收縮城市與居民碳排放之間的關(guān)系辰狡。在控制了許多城市形態(tài)和社會(huì)經(jīng)濟(jì)之后锋叨， 變量（例如大小，緊湊性和多中心性）宛篇，本文關(guān)注“收縮城市”中的居民碳排放娃磺，這些城市經(jīng)歷了人口流失，是中國最近出現(xiàn)的城市現(xiàn)象叫倍。 在其他所有條件都相同的情況下偷卧，收縮城市往往比增長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”吆倦，而且還需要考慮環(huán)境問題听诸。我院王明舒老師與港大劉行健老師的研究成果，分析當(dāng)前中國收縮城市中的環(huán)境問題蚕泽，以碳排放為例晌梨。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)境問題须妻，城市的發(fā)展將更受桎梏仔蝌。非常有意思的一個(gè)研究，發(fā)表于能源top期刊Applied Energy荒吏。
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)行暴露評估的關(guān)鍵技術(shù)。先前的研究已經(jīng)利用監(jiān)測绰更，衛(wèi)星遙感或空氣質(zhì)量建模數(shù)據(jù)來評估PM2.5濃度的時(shí)空變化瞧挤，但是此類研究很少同時(shí)將這些數(shù)據(jù)組合在一起锡宋。通過組裝技術(shù)，包括具有空間變化系數(shù)的線性混合效應(yīng)回歸特恬，最大似然估計(jì)器和時(shí)空Kriging员辩，我們開發(fā)了一個(gè)三階段模型來融合PM2.5監(jiān)測數(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）模擬鸵鸥，并將其用于估算中國全天的PM2.5奠滑，空間分辨率為0.1°。使用交叉驗(yàn)證（CV）方法逐步評估三階段模型的性能妒穴。 CV結(jié)果表明宋税，最終融合的PM2.5估算器與觀測數(shù)據(jù)（RMSE = 23.0μg/ m3，R2 = 0.72）非常吻合讼油，并且優(yōu)于AOD衍生的PM2.5（R2 = 0.62）或CMAQ模擬（ R2 = 0.51）杰赛。根據(jù)特定于步驟的CV，在數(shù)據(jù)融合中矮台，AOD反演的PM2.5在降低平均偏差中起關(guān)鍵作用乏屯，而CMAQ提供時(shí)空上完整的預(yù)測，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瘦赫。與CMAQ模擬或基于AOD的估算相比辰晕，我們的融合產(chǎn)品在霧霾發(fā)作期間表征污染過程的能力更強(qiáng)，因此可以支持對環(huán)境PM2.5的慢性和急性暴露評估确虱。根據(jù)這些產(chǎn)品含友，2014年中國全國PM2.5的年平均暴露濃度為55.7μg/ m3，而中國的平均污染天數(shù)（PM2.5> 75μg/ m3）為81校辩。融合產(chǎn)品可以用于未來健康相關(guān)研究窘问。清華大學(xué)張強(qiáng)老師課題組的成果，融合地面監(jiān)測PM2.5數(shù)據(jù)宜咒，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)惠赫。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)類似的研究故黑，融合多源數(shù)據(jù)實(shí)現(xiàn)高時(shí)空分辨率的PM2.5制圖并且估算相對應(yīng)的暴露健康風(fēng)險(xiǎn)儿咱。
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)樗鼈冊谄渖锪恐写鎯α舜罅刻急恫榱斯烙?jì)森林景觀的平均生物量概疆，通常使用樣地逗威，假設(shè)這些樣地的生物量代表周圍森林的生物量峰搪。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)的條件凯旭。因此概耻，通過將統(tǒng)計(jì)方法與模擬抽樣策略相結(jié)合使套，可以確定用于預(yù)測熱帶森林景觀平均生物量的最小樣本量。我們檢查了Barro科羅拉多島鞠柄，巴拿馬和南美侦高，非洲和東南亞的森林生物量圖。結(jié)果表明厌杜，如果采樣的樣地是隨機(jī)分布的奉呛，則需要約100個(gè)樣地（每個(gè)1-25公頃）來估算整個(gè)大陸的生物量。但是夯尽，當(dāng)前清單圖的位置通常不滿足此要求瞧壮，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匙握。我們表明咆槽，這些非隨機(jī)位置導(dǎo)致需要更高的采樣強(qiáng)度（對于南美準(zhǔn)確的生物量估計(jì)，最多需要54 000個(gè)地塊）圈纺。使用樣帶內(nèi)各樣點(diǎn)之間的較大距離（5秦忿？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)方法蛾娶，以解決已知林地網(wǎng)絡(luò)中盤點(diǎn)的聚集問題灯谣。結(jié)果表明，如果不采用進(jìn)一步的統(tǒng)計(jì)方法蛔琅，當(dāng)前的樣地網(wǎng)絡(luò)可能具有集群結(jié)構(gòu)酬屉，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)測揍愁，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）呐萨，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)度和策略莽囤。一個(gè)非常有意思的研究谬擦，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朽缎。該結(jié)果表明單就南美熱帶森林而言惨远，需要隨機(jī)分布至少100個(gè)樣地，且必須考慮空間特征话肖，方能保證足夠的精度北秽。
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)最筒，例如空載激光雷達(dá)贺氓，可以測量復(fù)雜的熱帶森林結(jié)構(gòu)，但是如何解釋此類信息以評估森林生物量和生產(chǎn)力仍然是一個(gè)挑戰(zhàn)床蜘。在這里辙培，我們通過將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蔑水，開發(fā)出一種方法來估算亞馬遜地區(qū)的基礎(chǔ)面積，地上生物量和生產(chǎn)力扬蕊。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搀别。與使用平均樹冠高度進(jìn)行的（傳統(tǒng)）估算相比，這種對遙感數(shù)據(jù)的詳細(xì)解釋將森林屬性的估算提高了20-43％尾抑。森林建模的納入具有很大的潛力歇父，可以彌補(bǔ)遙感測量與森林的3D結(jié)構(gòu)之間缺失的聯(lián)系，從而可以改善整個(gè)大陸對生物量和生產(chǎn)力的估計(jì)再愈∈荆基于GLAS ICESat的亞馬遜森林碳估算。加入LiDAR提供的平均樹高可使精度提升20%到40%践磅。
空氣污染和噪音都是無處不在的環(huán)境壓力单刁，對公共健康構(gòu)成了巨大威脅。越來越多的證據(jù)表明府适，在居住環(huán)境中羔飞，與交通有關(guān)的空氣污染物和噪聲的共存會(huì)帶來綜合的健康風(fēng)險(xiǎn)。然而檐春，人們對流動(dòng)的人如何同時(shí)暴露于多種空氣污染和噪音源逻淌，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疟暖，細(xì)顆粒物（PM2.5）和噪聲的共同暴露卡儒。通過一項(xiàng)創(chuàng)新的研究方案，包括配備GPS的活動(dòng)旅行日記俐巴，空氣污染物和噪音傳感器以及生態(tài)瞬時(shí)評估骨望，從中國北京的居民樣本中收集實(shí)時(shí)數(shù)據(jù)。結(jié)果表明欣舵，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)之后擎鸠，PM2.5與噪聲暴露之間存在較小的相關(guān)性。此外缘圈，考慮到無關(guān)緊要的獨(dú)立作用和噪聲暴露的弱化作用劣光，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)空背景糟把，包括早晨高峰時(shí)間和公共交通出行绢涡，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，工作場所具有兩種暴露均能緩解壓力影響的能力遣疯，在家中因壓力引起的空氣污染和緩解壓力的社會(huì)噪音雄可「汛椋總之俊犯，基于流動(dòng)性和上下文感知的分析提供了對共同暴露與環(huán)境污染和時(shí)空同步心理壓力之間聯(lián)系的更細(xì)微的了解聚唐。柴彥威老師與關(guān)美寶老師團(tuán)隊(duì)的成果绽榛，分析空氣污染與噪聲共同暴露對時(shí)空心理壓力的影響焚廊。配備GPS的活動(dòng)旅行日記纵诞，空氣污染物和噪音傳感器以及生態(tài)瞬時(shí)評估的創(chuàng)新研究方案是本研究的亮點(diǎn)绘闷。
黑碳（BC）對空氣質(zhì)量和氣候的影響仍不清楚忆肾，部分原因是對大氣中BC老化過程的了解不足室梅。在這項(xiàng)工作中戏仓，我們基于排放清單和反向軌跡分析開發(fā)了一種新方法來模擬BC混合狀態(tài)（即，在BC表面上涂覆的其他物種）亡鼠。該模型跟蹤了大氣傳輸過程中BC老化程度的演變（以整個(gè)顆粒與BC核的尺寸比為特征）赏殃。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)量平均老化程度间涵。模擬結(jié)果與現(xiàn)場測量結(jié)果吻合良好仁热，這驗(yàn)證了我們的模型計(jì)算。對大氣中BC的老化過程進(jìn)行建模的研究表明勾哩，它在很大程度上取決于排放水平抗蠢。來自更多排放源（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思劳，因此在大氣運(yùn)輸過程中的老化程度更高迅矛。另一方面，高排放區(qū)域還控制了從較清潔區(qū)域發(fā)出并在大氣傳輸過程中穿過這些污染區(qū)域的BC顆粒的老化過程潜叛。模擬確定了廣泛的發(fā)射區(qū)在大氣運(yùn)輸過程中在BC老化過程中的重要作用秽褒，這意味著廣泛的發(fā)射區(qū)對BC光吸收的貢獻(xiàn)增加。這為華北平原污染加劇的現(xiàn)象提供了新的視角威兜，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)的销斟。大氣運(yùn)輸過程中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索。清華大學(xué)張強(qiáng)老師團(tuán)隊(duì)的成果椒舵，發(fā)表于大氣物理化學(xué)口top期刊ACP票堵。分析大氣中黑碳的老化過程。
量化城市范圍的時(shí)空變化對于理解城市化的新興過程很重要逮栅。已經(jīng)使用了許多性能良好的方法來繪制城市區(qū)域圖并使用夜間光數(shù)據(jù)檢測城市變化悴势，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)域圖的方法措伐，它還提供了從不同的理論角度認(rèn)識城市范圍的機(jī)會(huì)特纤。在我們的方法中，基于對研究區(qū)域城市化現(xiàn)狀的了解侥加，選擇了適當(dāng)?shù)膭澖鐦?biāo)準(zhǔn)和城市指標(biāo)捧存。在基于對象的分割和初始城市中心的檢測之后，通過使用分組算法從這些初始城市中心擴(kuò)展來識別城市斑塊，描繪出城市區(qū)域的相對邊緣昔穴。我們使用2010年DMSP夜間燈光數(shù)據(jù)和縣級行政部門對這種新方法進(jìn)行了測試镰官。我們發(fā)現(xiàn)市區(qū)的總面積為146,806，分布在2489個(gè)縣中吗货，占中國大陸土地的1.5％泳唠。根據(jù)羅盤方向，城市斑塊的劃定邊界具有不同的值宙搬。條紋的平均值和不同城市斑塊的大小在不同地區(qū)之間差異很大笨腥。我們檢測了所有省會(huì)城市，97.3％的地級市和91.0％的縣級市勇垛。因此脖母，這種方法能夠在區(qū)域范圍內(nèi)以可靠的精度識別城市斑塊。生態(tài)中心周偉奇老師團(tuán)隊(duì)的成果闲孤，利用工農(nóng)夜間燈光數(shù)據(jù)谆级，面向?qū)ο蠓诸惙椒ㄅc中心檢測實(shí)現(xiàn)區(qū)域上的城市建成區(qū)劃分。
12.Operational local join count statistics for cluster detection/用于空間集聚檢測的空間局部自相關(guān)性統(tǒng)計(jì)
本文針對感興趣的變量為二進(jìn)制的情況讼积，實(shí)現(xiàn)了空間關(guān)聯(lián)的局部指標(biāo)的想法肥照。 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。 通過對共址的顯式處理币砂，該統(tǒng)計(jì)信息擴(kuò)展到雙變量和多變量上下文建峭。 對于事件的所有潛在位置都可用（例如，城市中的所有地塊）的情況决摧，該方法提供了一種替代基于點(diǎn)模式的統(tǒng)計(jì)信息亿蒸。 統(tǒng)計(jì)信息在開源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)量圖掌桩。 實(shí)證插圖調(diào)查了2013年和2014年底特律的房屋銷售局部群以及2017年芝加哥人口普查區(qū)的城市設(shè)計(jì)特征边锁。Luc Anselin院士的成果，對二進(jìn)制變量的空間自相關(guān)性檢測方法join count做了擴(kuò)展波岛，用于空間集聚特征檢測茅坛。
地理加權(quán)回歸（GWR）通過為研究區(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)则拷。 最近的文獻(xiàn)表明贡蓖，GWR極易受到解釋變量之間多重共線性影響的影響，并提出了一系列多重共線性的局部度量作為潛在問題的指標(biāo)煌茬。 在本文中斥铺，我們采用受控仿真來證明GWR實(shí)際上對多重共線性的影響非常穩(wěn)健。 因此坛善，需要重新考慮GWR極易受到多重共線性問題的影響晾蜘。Stewart Forthingham院士團(tuán)隊(duì)的城固邻眷，分析了GWR與多重共線性的關(guān)系，從仿真結(jié)果來看剔交，多重共線性對GWR的影響是穩(wěn)健的肆饶。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)系岖常，并觸發(fā)了所需的緩解計(jì)劃驯镊。已經(jīng)采用了多種方法來評估空氣污染事件的暴露程度，包括基于GIS的擴(kuò)散模型腥椒，稀疏監(jiān)視站點(diǎn)之間的插值阿宅，土地利用回歸模型候衍，優(yōu)化模型笼蛛，線或面積擴(kuò)散羽狀模型以及使用信息的模型。來自成像衛(wèi)星蛉鹿，通常包括土地利用和氣象變量滨砍。越來越多地使用人造衛(wèi)星氣溶膠產(chǎn)品來評估短期空氣質(zhì)量事件。它們提供了更好的空間覆蓋范圍妖异，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)的惋戏。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短回顧。該評估可以作為使用衛(wèi)星產(chǎn)品對空氣質(zhì)量進(jìn)行建模的實(shí)用指南他膳，因?yàn)樗ㄑ芯吭O(shè)計(jì)和模型開發(fā)階段均應(yīng)考慮的重要問題响逢。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棕孙。涵蓋了當(dāng)前和未來的衛(wèi)星能力舔亭。它還提供了訪問和下載相關(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代碼蟀俊。一篇關(guān)于衛(wèi)星估算PM2.5與短期污染時(shí)間策略的綜述钦铺，非常詳盡，提供了很多有利的研究進(jìn)展與該領(lǐng)域研究概況肢预。
混合土地用途已被廣泛用作改善城市功能的規(guī)劃工具。然而烫映，由于其復(fù)雜性沼本，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)域锭沟。由于缺乏方法抽兆，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）冈钦，用于通過結(jié)合高空間分辨率（HSR）圖像和真實(shí)的時(shí)間騰訊用戶密度（RTUD）數(shù)據(jù)郊丛。兩個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)（一個(gè)用于圖像信息提取李请，另一個(gè)用于與人類活動(dòng)相關(guān)的信息提取）用于構(gòu)造CF-CNN的兩個(gè)分支厉熟〉贾眩可以通過在街區(qū)一級計(jì)算每種土地利用類型的比例來描述混合土地利用。與使用單源數(shù)據(jù)的方法相比揍瑟，CF-CNN獲得了最高的分類精度白翻。我們進(jìn)一步應(yīng)用了香農(nóng)多樣性指數(shù)（SHDI）來量化城市群的混合土地利用。計(jì)算了SHDI绢片，社區(qū)距離和鄰里活力之間的Spearman相關(guān)系數(shù)滤馍，以驗(yàn)證混合土地利用組合的有效性。我們的框架通過整合多源數(shù)據(jù)提供了一種識別混合土地利用結(jié)構(gòu)的替代方法底循。地大姚堯老師團(tuán)隊(duì)的成果巢株，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熙涤，發(fā)表于遙感口top期刊TGRS上的雄文阁苞。
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。但是祠挫，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那槽，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等舔。在這里骚灸，我們構(gòu)建了有關(guān)中國大陸經(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）慌植，該數(shù)據(jù)集可測量經(jīng)緯度為0.01°的經(jīng)緯度范圍為0.01°的機(jī)構(gòu)的數(shù)量甚牲。具體而言，我們的數(shù)據(jù)集捕獲了2005-2015年間在中國大陸注冊的大約2550萬家公司的地理分布涤浇。細(xì)粒度和長期可觀察性的特性使GED具有很高的應(yīng)用價(jià)值鳖藕。該數(shù)據(jù)集不僅使我們能夠量化場所的時(shí)空格局，城市活力和社會(huì)經(jīng)濟(jì)活動(dòng)只锭，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)的基本原理著恩。北京大學(xué)劉瑜老師團(tuán)隊(duì)的成果，目前是預(yù)印本蜻展，提供了一套高質(zhì)量的由注冊公司網(wǎng)格化形成的數(shù)據(jù)喉誊，可以作為中國經(jīng)濟(jì)活動(dòng)的代理變量。
土地利用集約化導(dǎo)致生物多樣性喪失伍茄，這通過改變植物功能性狀而影響生態(tài)系統(tǒng)特性和服務(wù)。然而施逾，土地利用強(qiáng)度（LUI）通過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)制途徑仍不清楚敷矫。我們研究了中國熱帶海南島的土地利用變化例获，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)系曹仗，這些地區(qū)的土地利用變化榨汤，生物多樣性喪失和季節(jié)性干旱均對其產(chǎn)生了嚴(yán)重影響。土壤水養(yǎng)護(hù)以兩個(gè)互補(bǔ)過程為代表怎茫，即土壤保水率（SWR）和土壤水分捕獲（SWC）收壕。在發(fā)生27次降雨事件（14次輕度，10次中度和3次重度）后轨蛤，沿著LUI梯度觀測到SWR和SWC蜜宪。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（樹高祥山，葉厚圃验，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)果表明枪蘑，LUI不會(huì)直接影響SWC和SWR损谦，但會(huì)通過功能性狀和生態(tài)系統(tǒng)特性產(chǎn)生間接影響岖免。重要的是岳颇，樹高FDvar介導(dǎo)了LUI對SWC和SWR的最重要的間接影響。樹高FDvar通過生態(tài)系統(tǒng)特性間接影響SWC颅湘，而隨著降雨強(qiáng)度的增加话侧，影響的方向從負(fù)向正轉(zhuǎn)變，并通過增加凋落物和土壤有機(jī)質(zhì)直接或間接地促進(jìn)了SWR闯参。我們的結(jié)果進(jìn)一步提供了LUI主要通過樹高FDvar間接影響土壤水保持的證據(jù)瞻鹏。 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)致影響增加鹿寨。研究結(jié)果強(qiáng)調(diào)新博，在熱帶土地利用中保持樹高的功能多樣性有利于土壤水養(yǎng)護(hù)，減輕氣候變化帶來的季節(jié)性干旱加劇脚草。歐陽志云老師團(tuán)隊(duì)的成果赫悄，分析土地利用變化，植物功能性狀馏慨，生態(tài)系統(tǒng)特性和土壤水養(yǎng)護(hù)之間的關(guān)系埂淮。
近年來，有關(guān)經(jīng)濟(jì)增長與環(huán)境污染之間關(guān)系的爭論引起了學(xué)術(shù)研究人員和政策制定者的極大關(guān)注写隶。在實(shí)證研究中倔撞，過度使用了空間計(jì)量經(jīng)濟(jì)學(xué)模型，而過分強(qiáng)調(diào)統(tǒng)計(jì)程序慕趴。在這項(xiàng)研究中痪蝇，我們通過使用空間杜賓模型對中國城市的經(jīng)濟(jì)增長與CO2排放之間的關(guān)系進(jìn)行更嚴(yán)格的分析鄙陡，為現(xiàn)有文獻(xiàn)做出了貢獻(xiàn)。我們的結(jié)果表明躏啰，二氧化碳排放量相對于城市一級的經(jīng)濟(jì)增長而言呈單調(diào)增加柔吼，并且中部地區(qū)經(jīng)濟(jì)增長的推動(dòng)作用略小于東部和西部地區(qū)。除經(jīng)濟(jì)增長外丙唧，行業(yè)在經(jīng)濟(jì)中的份額是CO2排放的主要驅(qū)動(dòng)力愈魏，而技術(shù)進(jìn)步（通過單位國內(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。曲線想际。我們提供了解釋變量對CO2排放的局部溢出效應(yīng)的證據(jù)培漏。發(fā)現(xiàn)中國城市存在與二氧化碳排放有關(guān)的經(jīng)濟(jì)競爭和技術(shù)擴(kuò)散。我們還發(fā)現(xiàn)胡本，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)牌柄，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)侧甫，結(jié)果保持不變珊佣。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)的成果披粟，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)系咒锻。
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，在南部高地地區(qū)已有報(bào)道稱守屉，坦桑尼亞正在努力遏制狂犬病惑艇，目前坦桑尼亞的所有地區(qū)都在流行。已經(jīng)確定拇泛，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滨巴。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)物可以自由漫游俺叭，因此不可能進(jìn)行全面的疫苗接種恭取。提出了村莊中家庭的空間抽樣，其中最優(yōu)性是通過接種者步行為每個(gè)抽樣家庭接種疫苗的步行距離來衡量的熄守。步行距離是通過在最佳確定的停車點(diǎn)之間合并驅(qū)動(dòng)網(wǎng)絡(luò)來實(shí)現(xiàn)的蜈垮，接種者隨后從步行點(diǎn)開始步行以進(jìn)行疫苗接種，同時(shí)確保70％的動(dòng)物種群覆蓋率柠横。我們使用模擬說明了真實(shí)數(shù)據(jù)集上的采樣方案窃款。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)提供了有效的方法牍氛。分析疫苗接種時(shí)間的空間采樣晨继，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搬俊，可以實(shí)現(xiàn)真正意義上的群體免疫紊扬。該研究也可以提供給目前COVID-19疫苗接種的思路蜒茄。
隨著中國城市化進(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)重惡化餐屎。這項(xiàng)研究通過使用灰色水足跡（GWF）和水污染水平（WPL）指標(biāo)評估了城市化城市（中國深圳）中與氮有關(guān)的水污染檀葛，涉及水體Nr釋放對行政區(qū)和相關(guān)城市河流的潛在影響在城市內(nèi)。結(jié)果表明腹缩，2001-2016年城市水體Nr釋放量動(dòng)態(tài)減少屿聋，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藏鹊，主要來自居民活動(dòng)润讥。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。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盘寡，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)中楚殿。為減輕城市水污染，需要采取幾種策略（鼓勵(lì)可持續(xù)的生活方式竿痰，改善基礎(chǔ)設(shè)施并制定地區(qū)一級的全球自然基金會(huì)減排目標(biāo)）脆粥。這項(xiàng)研究提供了洞察城市中減輕水體氮污染，應(yīng)對當(dāng)前水挑戰(zhàn)的同化能力狀況的見識影涉。歐陽志云老師團(tuán)隊(duì)的成果变隔，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常潮。
Huff模型旨在根據(jù)購物中心的吸引力和客戶的旅行費(fèi)用估算購物中心光顧的可能性弟胀。在本文中，我們嘗試通過使用出租車軌跡GPS數(shù)據(jù)并共享自行車GPS數(shù)據(jù)來校準(zhǔn)中國深圳和美國紐約的Huff模型喊式，從而發(fā)現(xiàn)一些一般的購物趨勢。使用地理和時(shí)間加權(quán)回歸（GTWR）擬合模型萧朝，并將校準(zhǔn)結(jié)果與普通最小二乘（OLS）回歸岔留，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)果表明检柬，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)間變化献联，GTWR的性能最高。為了解釋地域差異何址，我們使用深圳和紐約的房屋銷售價(jià)格和租金價(jià)格來代替每個(gè)地區(qū)客戶的財(cái)富里逆。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：也就是說用爪，客戶財(cái)富說明了對購物區(qū)吸引力的地理敏感性原押。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)來提供每個(gè)地區(qū)的工作概況分布偎血，以此來估計(jì)客戶的閑暇時(shí)間诸衔《⑵回歸結(jié)果表明，閑暇時(shí)間的長短與購物區(qū)吸引力參數(shù)之間存在顯著的線性關(guān)系笨农。特別是就缆，我們證明，閑暇時(shí)間較少的富在艘啵客戶對購物中心的吸引力更加敏感竭宰。我們還發(fā)現(xiàn)客戶對旅行距離的敏感性與其旅行方式有關(guān)。尤其是份招，與騎出租車的人相比羞延，騎自行車去購物區(qū)的人們更關(guān)心旅行距離。最后脾还，結(jié)果顯示伴箩，紐約和深圳的客戶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物鄙漏，而深圳的顧客則不太在乎行程距離嗤谚。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）怔蚌，以分析居民在不同時(shí)間和位置的出行行為的差異巩步。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)桦踊。尤其是椅野，居民對購物區(qū)吸引力的敏感性與房價(jià)呈顯著正線性關(guān)系，與居民的閑暇時(shí)間呈顯著負(fù)線性關(guān)系籍胯。利用出租車GPS軌跡數(shù)據(jù)與GTWR對時(shí)空Huff模型做校準(zhǔn)竟闪。可以說是一個(gè)典型的新地理大數(shù)據(jù)改進(jìn)傳統(tǒng)地學(xué)模型的案例杖狼，非常值得一看炼蛤。
22.The scales of human mobility/人口流動(dòng)的尺度
當(dāng)前我們對個(gè)人和集體出行方式的理解的核心是矛盾。一方面蝶涩，在對大量經(jīng)驗(yàn)數(shù)據(jù)集進(jìn)行分析的驅(qū)動(dòng)下理朋，關(guān)于人類活動(dòng)性的大量文獻(xiàn)研究發(fā)現(xiàn)，人類活動(dòng)沒有顯示出特征性空間尺度的證據(jù)绿聘。在那里嗽上，人們的流動(dòng)性被描述為無標(biāo)度。另一方面熄攘，在地理上兽愤，比例尺的概念（指從各個(gè)建筑物到鄰里，城市，地區(qū)和國家的有意義的描述水平）對于描述人類行為的各個(gè)方面（如社會(huì)經(jīng)濟(jì)互動(dòng)烹看，政治或政治国拇，社會(huì)和文化）至關(guān)重要。文化動(dòng)態(tài)4.惯殊，5酱吝。在這里，我們通過證明日常的人類活動(dòng)確實(shí)包含有意義的尺度來解決這一明顯的悖論土思，這與限制行動(dòng)行為的空間“容器”相對應(yīng)务热。無標(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)簡單的模型（給出一個(gè)人的軌跡）己儒，推斷出他們的鄰居崎岂，城市等，以及這些地理容器的大小闪湾。我們發(fā)現(xiàn)冲甘，具有超過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)的軌跡途样，并提供了一種了解國家江醇，性別群體和城鄉(xiāng)地區(qū)之間流動(dòng)行為差異的方法。Nature上一篇文章何暇，關(guān)于分析human mobility的尺度問題陶夜。當(dāng)前的human mobility已成為各種地理環(huán)境與生態(tài)研究的人類活動(dòng)的主要刻畫指標(biāo)。非常值得一看的文章裆站。
人們普遍認(rèn)為，綠色空間的可利用性是宜居環(huán)境和人類福祉的關(guān)鍵方面宏胯。越來越多的社區(qū)認(rèn)為羽嫡，綠色空間的可及性在社區(qū)之間是否公平，已成為環(huán)境正義的問題胳嘲。因此厂僧，本研究的重點(diǎn)是在中國蓬勃發(fā)展的住房市場背景下，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)象了牛。中國上海的案例研究是利用大數(shù)據(jù)進(jìn)行的。開發(fā)了基于Amap應(yīng)用程序編程接口（AAPI）的實(shí)時(shí)導(dǎo)航路線測量辰妙，以計(jì)算綠色空間的可及性鹰祸，并使用住房價(jià)格來指示居民的社會(huì)經(jīng)濟(jì)狀況。采用雙變量Moran I密浑，多元回歸和空間滯后回歸來探討居住社區(qū)之間綠色空間可及性的不平等性蛙婴。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尔破。我們進(jìn)一步發(fā)現(xiàn)綠色空間可及性與房價(jià)之間的空間不匹配街图。內(nèi)環(huán)和中環(huán)道路上存在明顯的環(huán)境不平等現(xiàn)象浇衬，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)程餐济。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)略耘擂，并提高認(rèn)識以防止環(huán)境不平等。Landscape and Urban Planning上的一篇文章絮姆，基于大數(shù)據(jù)分析（API）計(jì)算綠色空間可達(dá)性醉冤，并結(jié)合莫蘭指數(shù)，多元回歸與空間滯后回歸分析環(huán)境不平等問題篙悯。
