大家新年好如输，新一期資源整理博客昙篙。
1 Coding:
1.針對R語言新手的shiny培訓(xùn)教程硼婿。
2.R語言包tinter杆查，用于獲取顏色的色調(diào)和陰影。
3.Power BI的培訓(xùn)研討會艇搀。
4.使用C語言的API測試GEOS的性能尿扯。
5.R語言包exploreRGEE，探索RGEE-Google Earth Engine的包焰雕。
6.Shiny開發(fā)的拓展包資源衷笋。
7.深度學(xué)習(xí)框架性能分析工具包，可以對比多個深度學(xué)習(xí)框架性能矩屁。
8.R語言包rFIA辟宗，這個包可以讓R語言用戶輕松訪問和獲取美國農(nóng)業(yè)部USDA的森林清查數(shù)據(jù)。
9.R語言包ggtext吝秕，改進ggplot2的文字渲染泊脐。
10.Microsoft AI for Earth計劃在Azure上托管地理空間數(shù)據(jù)，這對于環(huán)境可持續(xù)科學(xué)和地球科學(xué)至關(guān)重要烁峭。 這個倉庫托管有關(guān)AI for Earth管理的所有數(shù)據(jù)的文檔和演示筆記本容客。
11.使用Python處理地理空間數(shù)據(jù)柵格與矢量的簡介課程。
12.使用The Carpentries課程模板的示例課程约郁。
13.生態(tài)與遙感深度學(xué)習(xí)的教育資源耘柱。
14.根據(jù)倉庫名推斷應(yīng)該是美國攝影測量與遙感學(xué)會2020年會相關(guān)材料，涉及NDVI和植被覆蓋相關(guān)分析的jupyter notebook棍现。
15.開源大數(shù)據(jù)管理系統(tǒng)ClickHouse调煎。
16.用于SpaDES軟件包依賴項安裝的elper實用程序，SpaDES是一個空間離散場模擬模型己肮。
17.R語言包ggside士袄，ggplot2的擴展包，可以用ggplot2 API繪制組合圖（側(cè)邊）谎僻。
18.R語言包g2r娄柳，G2.js的R接口。
19.一個工作流艘绍，可自動集成植物性狀數(shù)據(jù)以形成統(tǒng)一的最終數(shù)據(jù)集赤拒。
20.Julia包EndpointRanges，用于在數(shù)組索引中對端點進行算術(shù)運算。
21.MMCV是用于計算機視覺研究的基礎(chǔ)python庫挎挖，并支持以下許多研究項目这敬。
22.PyNHD是用于檢索和處理水文和氣候?qū)W數(shù)據(jù)集的軟件的一部分。該軟件包提供對WaterData蕉朵，國家地圖的NHDPlus HR和NLDI Web服務(wù)的訪問崔涂。這些Web服務(wù)可用于從NHDPlus V2（中等分辨率和高分辨率）數(shù)據(jù)庫中導(dǎo)航和提取矢量數(shù)據(jù)。
23.2D格子Boltzmann-離散元方法始衅。
24.Python庫geoviews冷蚂，簡單的交互式地理空間數(shù)據(jù)可視化庫。
25.Python庫hvplot汛闸，用于基于HoloViews的pandas蝙茶，dask，xarray和networkx的高級繪圖API诸老。
26.Python庫rioxarray隆夯，由rasterio支持的地理空間xarray擴展。
27.針對坦桑尼亞野生生物種群和人類沖突的AI輔助航空影像分析孕锄。
28.geo_interface（類似于GeoJSON）協(xié)議是由Sean Gillies提出的,用于各類Python地理空間模塊吮廉。
Python geo interface applications
29.R語言包poissnidisc，它實現(xiàn)了Robert Bridson的快速Poisson圓盤采樣算法畸肆。Poisson圓盤采樣是一種產(chǎn)生一組隨機的點的方法宦芦，但這些點之間的最小距離絕不能彼此接近。
30.CoastSat是一個用Python編寫的開源軟件工具包轴脐，使用戶能夠獲取30年來（并且正在不斷增長）長時間序列公開衛(wèi)星影像提取出的全球任何海岸線位置调卑。
31.給微信公眾號生成 RSS 訂閱源。
32.R語言包bayes4psy大咱，旨在簡化心理學(xué)中貝葉斯統(tǒng)計的使用恬涧。
33.介紹性的datacube筆記本，這些筆記本旨在與Data Observatory的AWS租約上的智利CSIRO的datacube基礎(chǔ)設(shè)施安裝一起使用碴巾。
34.R語言數(shù)據(jù)可視化課程SDS375溯捆。
35.VS Code擴展，在側(cè)邊欄或面板中顯示懸停文檔厦瓢。
36.Google Earth Engine教程提揍。
37.2019柵格教程目錄。
38.有關(guān)ICESat-2的介紹性講座煮仇，以及ICESat-2數(shù)據(jù)產(chǎn)品的介紹劳跃。
39.R語言包gsDesign，輕松創(chuàng)建臨床試驗的分組順序設(shè)計的工具浙垫。
40.Python庫xagg刨仑，將網(wǎng)格數(shù)據(jù)聚合到多邊形中郑诺。
41.適用于顯微學(xué)家和其他圖像處理愛好者的Python教程（Youtube視頻對應(yīng)代碼）。
42.圖像處理入門python教程（Youtube視頻對應(yīng)代碼）杉武。
python for image processing APEER
43.PyTorch中計算機視覺應(yīng)用程序的自注意力構(gòu)建基塊辙诞。
44.rOpenSci擴展軟件同行評審。
statistical software review book
45.R語言包modeltime艺智，tidymodels的時間序列預(yù)測包倘要。
46.發(fā)表在Nature Communication關(guān)于空間驗證的論文的代碼和數(shù)據(jù)圾亏。
47.R語言包timetk十拣，在R里做時間序列分析的工具。
48.高斯過程的貝葉斯優(yōu)化純Python實現(xiàn)志鹃。
49.ESA關(guān)于mgcv包的研討會夭问。
50.R語言包starsExtra，使用“stars”柵格的其他功能曹铃。
51.R語言包opentripplanner缰趋，設(shè)置OpenTripPlanner（OTP）并將其用作多模式出行規(guī)劃工具。
52.R語言包mapsf陕见，在您的R工作流程中創(chuàng)建和集成專題圖秘血。 該軟件包可幫助設(shè)計各種制圖表達，例如比例符號评甜，十字線或類型圖灰粮。 它還提供了多種功能來顯示布局元素，以改善地圖的圖形顯示效果（例如比例尺忍坷，向北箭頭粘舟，標(biāo)題，標(biāo)簽）佩研。 mapsf在基礎(chǔ)圖形上映射sf對象柑肴。
53.R語言包bayesGAM，使用Stan的貝葉斯廣義加性模型旬薯。
54.2021年公開數(shù)據(jù)挑戰(zhàn)賽:該暴露事件被描述為“從受孕以來人類環(huán)境暴露的總數(shù)”晰骑，它認(rèn)識到個人同時暴露于多種不同的環(huán)境因素，并采取整體方法來發(fā)現(xiàn)疾病的病因绊序。 與傳統(tǒng)的“一次接觸一種疾病病”研究方法相比硕舆，該接觸物的主要優(yōu)勢在于，它為研究多種環(huán)境危害（城市政模，化學(xué)岗宣，生活方式，社會危害）及其綜合影響提供了前所未有的概念框架淋样。該挑戰(zhàn)賽的目的是促進創(chuàng)新的統(tǒng)計耗式，數(shù)據(jù)科學(xué)或其他定量方法，以研究復(fù)雜的高通量暴露指標(biāo)（暴露物）對健康的影響。 此鏈接上提供了詳細(xì)的挑戰(zhàn)示例刊咳。這些是可用的數(shù)據(jù)集彪见，可提出數(shù)據(jù)分析以應(yīng)對任何挑戰(zhàn)。
55.一個shinyapp包的例子娱挨。
56.用LaTex做的簡歷余指。
57.Mataveid是GNU Octave和MATLAB?的基本系統(tǒng)識別工具箱。
58.R語言包finetune跷坝，包含一些用于模型調(diào)整的附加函數(shù)酵镜，例如通過模擬退火優(yōu)化進行調(diào)整是另一個用于查找良好值的迭代搜索工具。
59.R語言包quillt柴钻，R Markdown生態(tài)系統(tǒng)的pkgdown模板淮韭。
60.滴滴云推理服務(wù)的 HTTP 客戶端示例代碼。
61.關(guān)于類似于Markdown的規(guī)范的一個非常早期的贴届，未經(jīng)闡述的想法靠粪，該規(guī)范用于快速編寫自由文本醫(yī)學(xué)筆記，這些醫(yī)學(xué)筆記可以通過編程方式解析為結(jié)構(gòu)化數(shù)據(jù)毫蚓，并在適當(dāng)?shù)牡胤绞褂眯g(shù)語占键。
62.課程606分布式計算系統(tǒng)的Hadoop和Spark代碼。
63.Python庫prettymaps元潘，一個小的Python函數(shù)可從OpenStreetMap數(shù)據(jù)繪制漂亮的地圖畔乙。 基于osmnx，matplotlib和shapely的庫柬批。
64.R語言包arduinor啸澡，提供了一種從arduino到R獲取串行數(shù)據(jù)的簡化方法。氮帐。
65.根據(jù)時間嗅虏，經(jīng)度和緯度計算日出和日落。這是Mike Chirico在2004年發(fā)布的Sunrise.c的修改上沐。
66.《Machine Learning Design Patterns》一書的源碼皮服。
67.Echarts的Python庫。
68.水體探測算法参咙。
69.簡單龄广，開源，輕量級（<1 KB）和隱私友好的網(wǎng)絡(luò)分析蕴侧，可替代Google Analytics（分析）择同。
70.記錄世界植物分布地理計劃（WGSRPD）。
71.Python API旨在與ArcGIS REST Services在外部協(xié)同工作净宵，以查詢和提取數(shù)據(jù)以及查看服務(wù)屬性敲才。
72.樹莓派安裝腳本裹纳。
Raspberry Pi Installer Scripts
73.交通API，應(yīng)用程序紧武，數(shù)據(jù)集剃氧，研究和軟件的資源列表。
74.開放的可持續(xù)研究技術(shù)阻星。
75.這是一個具有ATI GPU監(jiān)控功能的多線程多池GPU挖礦器朋鞍。
76.在Python中發(fā)送JSON-RPC請求。
77.可通過EPA網(wǎng)站獲得的多個Python API妥箕。
78.重命名Github倉庫的默認(rèn)分支master滥酥。
79.R語言包brolgar，用圖形方式和分析方式瀏覽R中的縱向數(shù)據(jù)矾踱。
80.R語言包treetop恨狈，一個shiny app用來從LiDAR數(shù)據(jù)里提取森林信息疏哗。
81.R語言包linemap呛讲，創(chuàng)建線密度圖的工具。
82.Ecology Letters上一篇論文的代碼實現(xiàn)返奉，關(guān)于用貝葉斯網(wǎng)絡(luò)實現(xiàn)物種分布模型預(yù)測贝搁。
83.R語言包megaSDM，可以使用MaxEnt框架和并行處理有效地創(chuàng)建和訂正物種分布模型芽偏。
84.在歷史/考古數(shù)據(jù)集中建模時間不確定性雷逆。
85.LANDIS-II模型的凈碳與氮循環(huán)模塊擴展。
86.《DAX Cookbook》一書的代碼污尉。
87.R語言包mitre膀哲，旨在提供輕松訪問的網(wǎng)絡(luò)安全數(shù)據(jù)標(biāo)準(zhǔn)。
88.Python庫glocaltokens被碗，可從Google服務(wù)器提取Google家用設(shè)備本地身份驗證令牌某宪。
89.R語言包rcompendium，簡化R軟件包/研究綱要（即預(yù)定義的文件/文件夾結(jié)構(gòu)）的創(chuàng)建锐朴，以便用戶可以專注于代碼/分析而不是浪費時間來組織文件兴喂。
90.wagyu是一個基于OGC標(biāo)準(zhǔn)的用于基本幾何運算的通用庫。
2 Paper：
背景：全球變暖可能會增加復(fù)合極端天氣（CHE）的頻率焚志。本研究旨在評估中國因CHEs引起的當(dāng)前死亡負(fù)擔(dān)和未來死亡風(fēng)險衣迷。方法：2006年至2017年，中國各地共有364個地點收集了每日氣象酱酬，空氣污染和死亡率數(shù)據(jù)壶谒。白天/夜晚熱被確定為每天的Tmax / Tmin高于夏季的90％的一天。 CHE被定義為一個炎熱的夜晚膳沽，緊接著是炎熱的一天汗菜。首先使用分布式滯后非線性模型評估每個位置的CHEs造成的死亡風(fēng)險泼差。使用多元薈萃分析模型匯總了特定于地點的關(guān)聯(lián)，并評估了在不同氣候變化情景下（RCP 2.6呵俏，RCP 4.5堆缘，RCP 8.5）當(dāng)前CHEs當(dāng)前時間和死亡風(fēng)險的可歸因分?jǐn)?shù)。結(jié)果：CHEs（RR：1.23普碎，95％CI：1.19-1.28）與較高的死亡風(fēng)險相關(guān)吼肥，而0.96％的死亡率可歸因于CHEs。我們發(fā)現(xiàn)麻车，華北地區(qū)的女性缀皱，老年人和人們更容易受到CHE的侵害。此外动猬，更密集（RR：1.07啤斗，95％CI：1.06-1.08）和連續(xù)的CHEs（RR：1.09，95％CI：1.02-1.17）可能會增加死亡風(fēng)險赁咙。我們還觀察到钮莲，在中高氣候變化情景下，2090年代可歸因于CHE的死亡人數(shù)是七至十九倍彼水。結(jié)論：我們的研究發(fā)現(xiàn)崔拥，CHEs顯著增加了死亡風(fēng)險路召，并且將來會引起相當(dāng)大的死亡負(fù)擔(dān)撞反。這些發(fā)現(xiàn)表明，有必要制定臨床和公共衛(wèi)生政策以減輕與CHEs相關(guān)的死亡率負(fù)擔(dān)熟妓。關(guān)于高溫和極端天氣造成的死亡率負(fù)擔(dān)盯桦，氣候變化與公眾健康的一個研究慈俯。正如比爾蓋茨基金會前一段的文章以及Lancet清華大學(xué)的報告，氣候變化或許是比新冠更大的一個公眾健康危機拥峦。
多傳感器地球觀測極大地加速了多傳感器協(xié)作遙感應(yīng)用的開發(fā)，例如使用合成孔徑雷達（SAR）影像和光學(xué)影像的全天候地圖繪制事镣。但是步鉴，在實際應(yīng)用場景中，并非所有數(shù)據(jù)源都可用璃哟，即缺少模態(tài)問題氛琢，例如不良的成像條件阻礙了光學(xué)傳感器，并且只有SAR圖像可用于映射随闪。這種現(xiàn)實情況提出了如何利用歷史多傳感器數(shù)據(jù)來提高可用模型的表示能力的挑戰(zhàn)阳似。作為可行的解決方案，基于知識轉(zhuǎn)移和基于知識薈萃的方法可用于將知識從其他傳感器模型轉(zhuǎn)移到可用模型铐伴。但是撮奏，這些方法存在知識被遺忘的問題和多模式共注冊問題俏讹，這意味著利用歷史多傳感器數(shù)據(jù)效率低下。根本問題在于以下事實：這些方法是按照單傳感器數(shù)據(jù)驅(qū)動的方法設(shè)計的畜吊。為了解決上述問題泽疆，本文提出了一種免注冊的多傳感器數(shù)據(jù)驅(qū)動學(xué)習(xí)方法，即深度多傳感器學(xué)習(xí)玲献，以解決上述問題殉疼。為了探討元感覺表示的存在，首先提出了元感覺表示假說捌年，該假說揭示了基于來自不同傳感器的數(shù)據(jù)訓(xùn)練的深度模型的本質(zhì)差異在于傳感器不變和傳感器不變的參數(shù)分布瓢娜。具體操作±裨ぃ基于此假設(shè)眠砾，提出了一個原型網(wǎng)絡(luò)，通過使用建議的差異對齊操作（DiffAlignOp）對知識保留機制進行建模托酸，以學(xué)習(xí)元感官表示褒颈。 DiffAlignOp使原型網(wǎng)絡(luò)能夠動態(tài)生成特定于傳感器的網(wǎng)絡(luò)，以從免注冊的多傳感器數(shù)據(jù)中收集監(jiān)控信號获高。這種動態(tài)網(wǎng)絡(luò)生成是可區(qū)分的哈肖。因此，可以獲取多傳感器梯度來學(xué)習(xí)元感覺表示念秧。為了證明深度多傳感器學(xué)習(xí)的靈活性和實用性，在缺少模式的情況下進行了全天候地圖的應(yīng)用布疼。實驗是在大型公共多傳感器全天候地圖數(shù)據(jù)集上進行的摊趾，該數(shù)據(jù)集由空間分辨率為0.5 m的高分辨率光學(xué)和SAR圖像組成。實驗結(jié)果表明游两，深度多傳感器學(xué)習(xí)在性能和穩(wěn)定性方面優(yōu)于其他學(xué)習(xí)方法砾层，并且揭示了元傳感器表示在多傳感器遙感應(yīng)用中的重要性。武大張良培老師團隊的成果贱案，基于多傳感器聯(lián)合的深度學(xué)習(xí)方法肛炮。
夜間燈光（NTL）衛(wèi)星數(shù)據(jù)已被廣泛用于調(diào)查城市化過程。DMSP-OLS穩(wěn)定的夜間光數(shù)據(jù)和Suomi NPP-VIIRS夜間光數(shù)據(jù)是兩個廣泛使用的NTL數(shù)據(jù)集宝踪。但是侨糟，它們在空間分辨率和傳感器設(shè)計上的差異要求對這兩個數(shù)據(jù)集進行跨傳感器校準(zhǔn)，以分析長期的城市化過程瘩燥。通過將NPP-VIIRS轉(zhuǎn)換為類似DMSP-OLS的NTL數(shù)據(jù)秕重，與傳統(tǒng)的NTL數(shù)據(jù)跨傳感器校準(zhǔn)不同，本研究通過一個新的交叉根據(jù)DMSP-OLS NTL數(shù)據(jù)（2000-2012年）和每月NPP-VIIRS NTL數(shù)據(jù)（2013-2018年）進行傳感器校準(zhǔn)厉膀。由于通過使用植被指數(shù)和自動編碼器模型增強了圖像溶耘，因此提出的跨傳感器校準(zhǔn)是唯一的二拐。與2012年的年度NPP-VIIRS NTL綜合數(shù)據(jù)相比，我們擴展的類NPP-VIIRSNTL數(shù)據(jù)產(chǎn)品在像素水平和城市水平顯示出良好的一致性凳兵，R2分別為0.87和0.95百新。我們還發(fā)現(xiàn)，通過與2000年庐扫，2004年吟孙，2006年和2010年的DMSP-OLS輻射校準(zhǔn)的NTL（RNTL）數(shù)據(jù)進行比較，我們的產(chǎn)品具有很高的準(zhǔn)確性聚蝶〗芗耍總的來說，我們擴展了類NPP-VIIRS的NTL數(shù)據(jù)（2000–2018年）具有與合成NPP-VIIRS NTL數(shù)據(jù)相似的出色空間模式和時間一致性碘勉。此外巷挥，與現(xiàn)有產(chǎn)品相比，可以輕松更新所得產(chǎn)品并提供有用的代理验靡，以在更長的時間內(nèi)監(jiān)視人口統(tǒng)計和社會經(jīng)濟活動的動態(tài)倍宾。佐旗師兄與余柏蒗老師團隊的成果，一套非常不錯的數(shù)據(jù)胜嗓，發(fā)表于數(shù)據(jù)期刊top雜志ESSD高职，結(jié)合自動編碼器等一些計算機視覺的算法進行數(shù)據(jù)融合，可以為長時間序列城市研究提供數(shù)據(jù)基礎(chǔ)辞州。
由于空間分辨率和計算成本之間的權(quán)衡關(guān)系怔锌，在大型流域的生態(tài)水文模型中，要代表田間尺度（例如变过，數(shù)米至數(shù)十米）的異質(zhì)性仍然是一個巨大的挑戰(zhàn)埃元。這項研究通過引入土地覆被的亞網(wǎng)格結(jié)構(gòu)，多層土壤水模擬以及網(wǎng)格內(nèi)灌溉的精確空間覆蓋媚狰，改進了現(xiàn)有的生態(tài)水文模型HEIFLOW岛杀。這些改進使該模型能夠在從田間尺度到大盆地尺度（即104至105 km2）的各種空間尺度上提供可靠的模擬。該新模型在黑河流域（中國第二大內(nèi)陸流域）中實施崭孤，其網(wǎng)格大小為1 km x 1 km类嗤，建模范圍約為90,589 km2。主要研究結(jié)果包括以下內(nèi)容辨宠。首先遗锣，在植被稀疏的干旱地區(qū)，忽略陸地表面的亞網(wǎng)格特征將導(dǎo)致重大誤差彭羹，當(dāng)使用建模結(jié)果來支持管理或擴大規(guī)模以進行更大范圍的氣候建模時黄伊，誤差可能會進一步傳播。其次派殷，多層土壤結(jié)構(gòu)可以改善隨時間變化的生態(tài)水文模擬还最，并且有必要從干旱地區(qū)的土壤區(qū)域中分離出一個薄表層墓阀。在案例研究中，單層土壤結(jié)構(gòu)在模擬年度最大葉面積指數(shù)（LAI）時會引入大于10％的誤差拓轻。第三斯撮，考慮網(wǎng)格單元內(nèi)灌溉的準(zhǔn)確空間覆蓋對于成功模擬干旱地區(qū)的生態(tài)水文過程至關(guān)重要。在案例研究中扶叉，準(zhǔn)確的空間覆蓋率將導(dǎo)致整個灌溉區(qū)域的模擬平均土壤蒸發(fā)勿锅，蒸騰作用和LAI的變化分別為-31％，+ 46％和+ 13％枣氧∫缡總體而言，這項研究為解決生態(tài)水文建模中的規(guī)模問題提供了獨特的視角达吞，并揭示了田間尺度的異質(zhì)性對基于生態(tài)水文建模的水資源和生態(tài)系統(tǒng)管理的重要性张弛。李新老師團隊的成果，改進生態(tài)水文模型來實現(xiàn)田間尺度空間異質(zhì)性的建模酪劫。亞網(wǎng)格結(jié)構(gòu)的引入是一個關(guān)鍵吞鸭。
5.Greenhouse gas observations from the Northeast Corridor tower network/東北廊道的溫室氣體通量塔觀測網(wǎng)
我們介紹了東北廊道溫室氣體觀測網(wǎng)絡(luò)的組織，結(jié)構(gòu)覆糟，儀器和測量刻剥。 這個基于通量塔的現(xiàn)場二氧化碳和甲烷觀測站網(wǎng)絡(luò)于2015年建立，其目標(biāo)是量化美國東北部城市地區(qū)這些氣體的排放量滩字。 該網(wǎng)絡(luò)的重點是馬里蘭州的巴爾的摩市和美國的華盛頓特區(qū)市造虏，這兩個城市地區(qū)的觀測站密度很高。 其他觀測站遍布美國東北部踢械，其建立是為了補充其他現(xiàn)有的城市和區(qū)域網(wǎng)絡(luò)酗电，并在人口密度高和多個大都市區(qū)的這個復(fù)雜區(qū)域中調(diào)查排放量。 本文描述的數(shù)據(jù)已保存在美國國家標(biāo)準(zhǔn)技術(shù)研究院内列，并可以在https://doi.org/10.18434/M32126（Karion等人，2019）找到背率。一套美國的溫室氣體觀測網(wǎng)絡(luò)數(shù)據(jù)话瞧，這也是未來碳中和研究的重要數(shù)據(jù)基礎(chǔ)，目前中國區(qū)域內(nèi)還沒有類似這樣子的觀測網(wǎng)絡(luò)寝姿，這對長期城市二氧化碳排放研究是不利的交排，當(dāng)前的大量研究缺乏直接通量的測量數(shù)據(jù)。
隨著全球變暖趨勢的加劇饵筑，中國政府面臨減少二氧化碳排放的巨大壓力埃篓。這項研究的目的是準(zhǔn)確測量中國城市規(guī)模的二氧化碳排放量，并研究環(huán)境庫茲涅茨曲線根资，從而為決策提供參考架专。校正后的NPP-VIIRS夜間光數(shù)據(jù)用于準(zhǔn)確估算中國省市規(guī)模的二氧化碳排放量同窘。然后，基于STRIPAT模型部脚，使用了中國的291個城市來驗證環(huán)境庫茲涅茨曲線想邦。我們的結(jié)果表明，在省級范圍內(nèi)委刘，二氧化碳的估計值與統(tǒng)計值之間的R2達到0.85丧没。中國的西部城市，經(jīng)濟發(fā)達的城市以及以工業(yè)和采礦為主的城市排放的二氧化碳也更多锡移。北部有兩個CO2排放熱點呕童，南部有一個冷點。發(fā)現(xiàn)存在城市規(guī)模的環(huán)境庫茲涅茨曲線淆珊。這項研究在利用NPP-VIIRS數(shù)據(jù)估算城市CO2排放量方面具有實用價值夺饲。這些結(jié)果對于確定導(dǎo)致二氧化碳排放的因素也具有學(xué)術(shù)價值，可以為相關(guān)決策者提供參考套蒂。這項研究可被認(rèn)為是第一個基于NPP-VIIRS夜間燈光數(shù)據(jù)模擬中國省市水平的CO2排放量钞支，以探索相關(guān)的地理分布特征和潛在影響因素的研究。用NPP-VIIRS夜間燈光數(shù)據(jù)模擬的CO2排放量分析環(huán)境庫茲涅茲曲線操刀，不過對摘要的最后一句第一個這樣子的研究表示有所懷疑烁挟。
