新一期資源整理博客。
1 Coding:
1.快速生成三維球幾何圖形。
2.mapskin是地理空間可縮放矢量圖標的集合。
3.Python庫TSFRESH，自動從時間序列中提取相關特徵。
4.R語言包tsfeatures，從時間序列數據中提取各種特徵。
5.xarray的教程。提供樣例的jupyter notebook。
6.用React組件渲染markdown。
7.一個用React.js和Typescript實現markdown的預覽和實現的編輯器。
8.QGIS MapTiler插件：矢量瓦片，底圖，地理編碼，OSM，QuickMapServices。
9.Python庫geedatasets，Google Earth Engine可用數據集的硬編碼信息，例如Landsat和Sentinel，以及用於處理這些數據集的方法，例如雲屏蔽和索引計算。
10.用於在醫院微生物組項目中重現分析的數據和腳本。
11.命令行數據科學。
data science at the command line
12.EuroSAT：Sentinel-2的土地利用和土地覆被分類。
13.可解釋的模型分析。 探索，解釋和檢查預測模型。
14.一個Panel應用程序，用於演示非感知顏色圖在地球物理數據上產生的失真。
Colormap distorsions Panel app
15.word2vec是word2vec庫和工具的C++實現。word2vec是個非常知名的主題模型。
16.R語言包socialmixr，用於從調查數據中得出社交混合矩陣。
17.Penn000(https://github.com/Penn000)的學位論文的代碼，該論文基於基於生成對抗網絡的高分辨率遙感影像雲去除。 在這項工作中，提出了一個新的模型，稱爲空間注意生成對抗網絡或SpA GAN，它使用空間注意網絡（SPANet）作爲生成器。
18.示例Notebook展示瞭如何在Amazon SageMaker中應用機器學習，深度學習和強化學習。
19.R語言包PDFR,一個基於C ++的Rb包，可以從PDF文件中提取可用文本。
20.R語言包zen4R， Zenodo REST API的R接口。
21.Chrome的app，一個瀏覽器上的markdown編輯器。
22.R語言包RFLspc，適用於R的Royal Free Standard SPC Excel模板的改編。該軟件包實際上將數據複製到excel模型中； 打開，更新並保存Excel； 然後返回一個ggplot對象。 那是低效而笨拙的，這不是您想要的方式。
23.用於大規模特徵向量問題的標頭C ++庫。
24.CUDA驅動程序API的Rust包裝器。
25.moveable是可拖動的，可調整大小的，可縮放的，可旋轉的，可扭曲的，可捏的，可分組的，可捕捉的。
26.免費和開放的公平代碼許可的基於節點的工作流自動化工具。 輕鬆實現跨不同服務的任務自動化。
27.Transform2020研討會"Devito進行地球物理建模：從零到Devito"，6月11日，星期四（BST 09:00 – 12:00）。
28.一個用於構建文本編輯器的React框架。
29.機器學習算法交易書隨附的筆記本，資源和參考資料。
30.Data Circles技術演講隨附的代碼和鏈接。
31.一個簡單的CLI，可在您的存儲庫中搜索對iris數據集的引用，並在每個存儲庫中打開一個引用出現的問題，以提醒您用另一個數據集替換iris。
32.C ++和Python查看器，用於3D數據，例如網格和點雲
33.R語言包Rlda，可以通過貝葉斯範例將這些類型的數據用於混合聚類。
34.Python庫scikit learn，非常出名的機器學習庫。
35.Python for Data Analysis書的材料以及ipython notebook。
36.R語言包ggh4x，ggh4x軟件包提供了一些實用工具功能，這些功能並不完全符合“圖形語法”的概念-它們可能有點笨拙-但在調整ggplots時仍然有用。 例如，調整小平面的大小，將多種美感映射到顏色以及指定小平面的各個比例。
37.R語言包ggnewscale，ggplot2中使用多個標度變得輕鬆。 儘管最初打算使用顏色和填充，但它應適用於任何aes，例如形狀，線型和其他。
38.R語言包cpp11，可幫助R包開發人員使用C ++代碼處理R對象。
39.Pangeo JupyterHubs和BinderHubs的Docker鏡像。
40.Rasterio插件riotiler,可從Cloud Optimized GeoTIFF數據集中讀取墨卡託瓦片。
41.R語言包topo.ridges，用於根據高程數據創建地形脊線圖。
42.一個shiny項目，用於可視化弗吉尼亞海岸保護區的研究數據。
43.R語言包ggtreeExtra，在“ ggtree”的圓形或其他佈局樹上添加幾何圖層。餘光創老師團隊的可視化大殺器。
44.Github官方的命令行工具。
45.“Applied Hierarchical Modeling in Ecology”的函數。
46.transform 2020的教程。
47.ROC_animations包含具有ROC和精確調用曲線的動畫，如下所示。 此項目還包含用於生成這些動畫的腳本。
48.使用強化學習模型創建井字遊戲代理。
49.一種檢測複雜數據集中的一維序列的算法。
50.BFAST的的GPU實現。
51.WRF-CMake的Homebrew方法（包括WPS和WRF）。
52.尋找特徵值的Davidson方法。
53.Zarr + Redis + TileServer =快速自定義地理空間地圖。
54.各種開源GBM實施的性能。
55.Transform 2020會議Python裏的空間分析教程。
tranform 2020 spatial in python
56.從地質圖提取信息以提供3D建模包的軟件包map2loop。
57.R語言包blake3，BLAKE3加密哈希函數。
58.從鑽孔中提取信息以提供3D建模軟件包的軟件包dh2loop。
59.通過模擬退火分配員工位置。
60.EFDC模型的Docker鏡像和並行處理實現。
61.僅用一行代碼即可調整任何DOM元素的大小。
62.Julia中具有靜態和動態尺寸軸的數組。
63.Transform 2020會議Ray的教程。
64.CORS Anywhere是一個NodeJS反向代理，可將CORS標頭添加到代理請求中。
65.更新到原始的SPC Shiny App。
66.沒有微軟品牌/遙測/許可的VS Code二進制版本。
67.主要用於Aruco的OpenCV生成PDF模式的工具。
68.R語言包daRkStudio，RStudio默認深色主題的深灰色替代品。
69.在Web瀏覽器中反應組件預覽Markdown文本。 複製GitHub Markdown樣式的最少CSS。
70.用於安裝WRF和WPS的腳本。
71.R語言包sketcher，可以將照片轉換爲線條圖圖像。
72.Emacs的社區版本。
73.Pandas和GeoPandas中使用Bokeh繪製後端。
74.用R做商業智能。
75.用R和Stan實現的動態多層貝葉斯模型，用於預測美國總統選舉。
76.Transform 2020會議地質圖像處理教程。
77.Transform 2020會議中Verde教程的材料，使用Verde從分散的數據到網格化產品。
78.使用Selenium在YouTube上上傳視頻的Python腳本。
79.獲取並運行AWS批處理腳本。
80.用於API批量重命名GitHub存儲庫的默認分支的Python腳本。
81.識別並解析R中的Web安全策略文件。
82.R語言包spccharter，對多個統計過程控制圖進行快速分析。
83.Hugo的主題jane。
84.機器學習研究取決於客觀可解釋，可比較和可再現的算法基準。 因此，我們提倡使用精選，全面的機器學習數據集套件來標準化基準的設置，執行和報告。 我們通過獨立於平臺的軟件工具來實現此目的，這些工具可幫助創建和利用這些基準測試套件。 它們無縫集成到OpenML平臺中，並且可以通過Python，Java和R中的接口進行訪問。
85.MOOC筆記。
86.免費的通用數據庫工具和SQL客戶端。
87.ML Model CI是一個完整的平臺，用於管理，轉換，分析和將模型作爲雲服務（MLaaS）進行部署。
88.使用QuantEcon Python編程源材料的Jupyter Book功能演示。
89.R語言包textnets，使用網絡技術執行自動文本分析。
90.CatBoost教程。
91.Pandoc-ModernCV是用於設置現代課程類型的Pandoc的工具。 它受到著名的Latex ModernCV的啓發，非常易於定製，允許您使用預定義的主題並通過更改顏色，字體等來定義自己的樣式。
92.埃塞俄比亞的咖啡葉鏽病調查數據分析。
93.py2 / py3腳本可以直接從Apple下載macOS組件。
94.AutoGluon自動執行機器學習任務，使您可以輕鬆地在應用程序中實現強大的預測性能。 僅需幾行代碼，您就可以在表格，圖像和文本數據上訓練和部署高精度的深度學習模型。
95.R語言包ProfoundData，動態植被模型的檢查和基準測試數據。
96.Apache Submarine（簡稱Submarine）是一個平臺，可讓數據科學家創建端到端的機器學習工作流程。 ONE PLATFORM意味着它支持數據科學家在同一平臺上完成工作，而無需頻繁切換工具集。 從數據集探索數據管道創建，模型訓練（實驗）以及將模型推入生產（模型服務和監視）。 所有這些步驟都可以在一個平臺內完成。
97.ArcGIS使用Compact Cache V2來存儲柵格圖塊。 捆綁軟件文件結構非常簡單，並針對快速訪問進行了優化，與其他格式相比，可以提高性能。
98.Tile包是一個壓縮文件，其中包含一組tile和一個切片方案，可以在ArcGIS應用程序中用作底圖。
99.R語言包xxhashlite，xxhashlite提供了對xxHash中極其快速的哈希函數的簡單訪問。
100.材質點方法的2D實現。
101.R語言包deepdep，用於可視化R語言包所依賴的其他包。
102.讀書以及其他有趣的東西的筆記。
103.mplstereonet爲matplotlib提供了下半球的等面積和等角度的立體網。
104.DSSAT作物生長系統模型。
105.R語言包googlecalendar，googlecalendar使R可以輕鬆訪問Google日曆。該程序包提供了一組函數，可用於通過Google的Calendar API訪問和修改日曆，事件和UI設置。
106.用於處理異步可迭代對象的有用模塊列表。
107.R語言包moveVis，提供了通過創建視頻動畫來可視化運動數據（例如，來自GPS跟蹤）和環境數據的時間變化（例如，來自遙感）的工具。
108.數據科學完整的教程。涉及大量數據科學課程，視頻等材料。
data science complete tutorial
109.R語言包shinyBody，使用HTML和CSS構建的自定義Shiny輸入小部件，可讓您選擇身體部位並返回該身體部位的名稱。您還可以通過指定高低顏色值，根據數據爲肢體上色。
110.R語言包SoupX，用於估計和去除基於液滴的單細胞RNA-seq數據中的無細胞mRNA污染。
111.機器學習可讀文件，用於瞭解植物病蟲害和病原體的基本溫度。
112.Apache Spark/Flink和Ray上的分佈式Tensorflow，Keras和PyTorch。
113.MIDI文件I/O和可視化，據說作者是從鋼琴演奏獲得的經驗。
114.一個用於從Apache Spark讀取和寫入Tensorflow TFRecord數據的庫。 該實現基於Spark Tensorflow Connector，但使用Spark FileFormat特徵重寫以提供分區功能。
115.動手學深度學習：面向中文讀者、能運行、可討論。英文版即伯克利“深度學習導論”教材。
116.OSS-Fuzz：開源軟件的連續模糊測試。
117.icepack是一個使用有限元方法對冰蓋和冰川流動進行建模的庫。
118.在聖保羅大學地球物理系研討會上的受邀演講。
119.Python繪圖庫ternary，可與matplotlib一起使用，以在投影到二維平面上的二維單純形中生成三元圖。
120.Transform 2020會議：地質與Python會議。
121.一系列Jupyter筆記本電腦，帶您瞭解使用Scikit-Learn，Keras和TensorFlow 2進行Python機器學習和深度學習的基礎知識。
122.具有多個R版本的Dockerfile，用於內存/線程調試。
123.R語言包rKenyaCensus，提供從肯尼亞人口和住房普查結果獲得的整潔數據集。
124.R語言包s2，Google的S2Geometry庫提供R綁定。 該程序包公開了類似於Google BigQuery Geography API的API，該API的功能還適用於球形幾何圖形。
125.R語言包stackgbm，xgboost，lightgbm，catboost堆疊的梯度增強樹模型。
126.Visvalingam算法（也稱爲Visvalingam Whyatt算法）的C ++實現。
127.出色的介紹性數據集，可進行數據探索和可視化（iris代替品）。
128.R語言包NobBS，NobBS是一種貝葉斯方法，可以根據不完整的，帶有時間戳的疾病暴發報告數據來估計已發生但尚未報告的病例數。 NobBS瞭解報告延遲分佈和流行曲線的時間演變，以在穩定和時變的病例報告設置中生成平滑的臨近預報。
129.通過JS或CLI使用操作系統特定的捆綁包（.app，.exe等）自定義和打包您的Electron應用程序。
130.Pkg.go.dev是一個用於發現和評估Go軟件包和模塊的網站。
131.將研究成果發佈爲同行評審需要很長時間，這可能會對早期職業研究人員（ECR）申請獎學金，補助金和工作產生負擔。 該研討會將調查各種工具和平臺，使研究人員可以共享和發佈臨時產品，例如數據，代碼，協議，海報等。 徵求反饋意見，證明自己的成就並因不是同行評審的出版物而被引用。 （只要引用，NSF和NIH都會在贈款申請和報告中接受臨時產品。
132.opentrees.org的前端，該數據可視化了澳大利亞成千上萬棵由理事會維護的樹木。
133.R語言包geofabrik，從Geofabrik下載並導入OpenStreetMap數據。
134.用於瀏覽和安排表格數據的終端界面。
135.R語言包lz4lite，提供對lz4中極其快速的壓縮的訪問，以執行內存中壓縮。
136.用於描述多維數組（ndarray）數據文件的內容。
137.用於Python的分塊，壓縮N維數組的實現。
138.ETH的碩士學位論文"Instance Segmentation of Geometrical Shapes in Aerial Images"。即航拍影像中的幾何圖形的實例分割。
139.KappaNEURON將SpatialKappa模擬器與NEURON集成在一起，可以對神經元中嵌入的分子系統進行基於規則的模擬。
140.對Kappa進行空間語言擴展的實現。
141.適用於R的AWS Lambda運行環境。
142.用以支持臨時自行車道的數據分析。
143.免費和開源3D Voxel編輯器。
144.KUTE.js是用於現代瀏覽器的JavaScript動畫引擎。
145.p5.js是一個客戶端JS平臺，使藝術家，設計師，學生和任何人都可以學習編碼並在網絡上創造性地表達自己。
146.記錄任何Linux進程訪問哪些文件。
147.UCSB的R markdown模板。
148.自監督學習工具箱和基準。
149.具有Github Action CI的R svn服務器的鏡像以測試補丁。
150.2019美國生態學會年會彙報，對500個湖泊流域的分析揭示了作物類型，肥料和肥料輸入量與湖泊養分濃度之間的關係
151.該項目包含pytudes（Python程序），通常是簡短的Python程序，用於完善特定的編程技能。
152.UCSB 176A 地理信息系統導論測試倉庫。
153.R語言包jose，R的Javascript對象簽名和加密。
154.R語言包rwalkable，查找並總結一些有關鄰里社區可步行性的信息。 通過osmdata包將來自OpenStreetMap的數據用於這兩個組件：它既提供了道路網絡，又提供了人們認爲值得添加到地圖上的位置（“便利設施”）列表。
155.peartree是用於將GTFS提要時間表轉換爲代表性的有向網絡圖的庫。 該工具使用Partridge將目標操作員計劃數據轉換爲Pandas數據框，然後使用NetworkX將操縱的計劃數據保存爲有向多圖。
156.帶有可重現示例的教程，使用OpenTripPlanner和Python估算旅行時間矩陣。
157.使用sortable R包創建拖放式shiny程序和學習教程。
158.使用pyproject.toml Python配置文件的項目的資源集合。
159.挪威研究委員會資助的與MetaComNet項目相關的代碼存儲庫。
160.關於Stan的6小時課程。
161.R語言包parameters，模型參數的計算與處理。
162.最好的免費開放源代碼自動時間跟蹤器。
163.R語言包phenofit，最新的植物物候提取套件phenofit。
164.使研究軟件工程師能夠輕鬆地在開源軟件中增加引用性。
165.大島上預測野貓消滅的隨機模型和成本。
166.Apache Hive（TM）數據倉庫軟件有助於使用SQL讀取，寫入和管理駐留在分佈式存儲中的大型數據集。
167.Python庫ipymaps，實現具有自定義功能的在線/筆記本電腦地圖應用程序。
168.用於語義分割和領域自適應的合成衛星影像數據集。
tgav sattellite imagery dataset
169.與Firebase合作，近實時地提供公共的Hacker News數據。
170.Hacker News的非官方Python API。
171.JTS拓撲套件是一個用於創建和處理矢量幾何的Java庫。
172.Mapnik是用於開發地圖應用程序的開源工具包。
173.Alluxio（以前稱爲Tachyon）是一個虛擬的分佈式存儲系統。 它彌合了計算框架和存儲系統之間的鴻溝，使計算應用程序可以通過公共接口連接到衆多存儲系統。
174.Scrapy + Splash用於JavaScript集成。
175.Recoil是一個針對React應用的實驗性狀態管理庫。 它提供了僅使用React難以實現的幾種功能，同時與React的最新功能兼容。
176.Ludwig是在TensorFlow之上構建的工具箱，無需編寫代碼就可以訓練和測試深度學習模型。
177.Python庫pdfcomments，從PDF提取評論。
178.Knowledge Distillation Meets Self-Supervision論文的代碼實現。
179.推薦系統的深度學習。
Deep Learning for Recommendation Systems
180.基於markdown的CV模板。
181.R語言包uFTIR，用於讀取和處理Agilent Cary 620 FTIR顯微鏡圖像。
182.一個結合了Flask和JavaScript的網絡應用，可下載和可視化Strava和Garmin設備的運行數據。 編寫以學習如何編寫Web應用程序。
183.Google Earth Engine的資源。
184.交給#tidytuesday挑戰的代碼和可視化。
185.帶有屏幕截圖的無類CSS主題/框架列表。
186.一個無類CSS框架，僅使用HTML即可編寫現代網站。
187.p2phttp允許使用Go的標準“ http”和“ net”堆棧通過libp2p服務HTTP端點併發出HTTP請求。
188.R語言包rstatix，提供簡單直觀的管道友好框架，與“ tidyverse”設計理念相一致，用於執行基本的統計檢驗，包括t檢驗，Wilcoxon檢驗，ANOVA，Kruskal-Wallis和相關分析。每個測試的輸出會自動轉換爲整潔的數據框，以方便可視化。
189.該庫解析HTTP協議以獲取請求和響應。
190.基於雲的CMIP6數據提取的管道。
191.來自NodeJS正確的R方法。
192.Raysect項目的主要資源庫。
193.使用sklearn和Tensorflow進行分類任務的數據科學筆記本。人口普查收入數據集分類。
194.數據科學的書籍。
195.Python庫PMLB：大型的基準數據集的精選存儲庫，用於評估監督的機器學習算法。
196.威斯康星大學麥迪遜分校STAT 479：深度學習（SS 2019）的課程材料。
197.全面的10頁概率速查表，涵蓋一學期概率入門的價值。
198.一個靈活的兩列Jekyll主題，非常適合建立個人網站，博客。
199.包含到目前爲止尚不完整的代碼開發，無法使用Google Cloud Dataflow來獲取MODIS變量的全局地理位置。
200.R語言包robservable，目標是允許將Observable筆記本（或其中的一部分）用作R中的htmlwidgets。
201.R語言包VAST，單變量或多變量數據的時空分析，用於在標準化調查或漁業相關數據時爲多個類別（物種，大小或年齡類別）實現空間增量廣義線性混合模型（delta-GLMM）。
202.高維圖網絡嵌入及其佈局。
203.R語言包RxODE，用於從基於ode的模型求解和仿真。
204.h5py是圍繞HDF5的輕量級Python包，可在Python 3（3.6+）上運行。
205.很有趣的Papers。主要與分佈式系統有關。
206.使用來自NodeJS的R的正確方法。
207.MPNet：用於語言理解的屏蔽和置換預訓練，是一種用於語言理解任務的新穎預訓練方法。 它解決了BERT中的MLM（隱蔽語言建模）和XLNet中的PLM（置換語言建模）的問題，並獲得了更高的準確性。
208.Snape是一種方便的人工數據集生成器，它包裝sklearn的make_classification和make_regression，然後添加“現實主義”功能，例如複雜的格式，變化的比例，分類變量和缺失值。
2 Paper:
1.The Sprawling Planet: Simplifying the Measurement of Global Urbanization Trends/蔓延的星球：簡化對全球城市化趨勢的衡量
最近幾十年的特點是全球人口迅速穩定地城市化。預計未來這種趨勢將保持穩定，並以多種方式影響土地使用方式。城市化進程的監測和測量概念因多種驅動力和城市形式的變化以及對經濟，社會和環境政策有時相互矛盾的目標的結果評估而帶來困難。旨在評估與城市化有關的土地利用變化的監測框架將這種複雜性分解爲可以用單個指標測量的單一維度。這種監測使規劃人員和政策分析人員可以根據可持續發展標準評估新的城市增長。例如，緊湊的城市政策允許城市化在適當的位置發生，而不是自由放任的城市化，而不論環境影響和資源效率如何。在這種情況下，我們注意到，監測方法通常是爲歐洲或北美的案例研究而設計的，這些案例研究的城市結構相當成熟和鞏固。但是，這樣的監視可以在結構正在發展且可能仍會修改的階段提供有關城市發展的重要信息。在發展中國家經常是這種情況。在這種背景下，本文提出了一種使用新方法簡化與城市化相關的土地利用變化的度量的方法。本文將所需的度量要素濃縮爲兩個維度：土地利用效率低下和土地分散。該方法可基於新的可用的全球人類住區（GHS）層在全球範圍內使用，該層可從歐洲委員會免費獲得。在該方法在全球600多個城市的初始應用中，我們按大陸和城市規模顯示了與城市化相關的土地使用趨勢。總而言之，我們觀察到全球城市中心的整合，並且繼續在郊區蔓延。在歐洲城市中，城市結構的整合階段較早開始，並且與世界其他地區的城市相比，城市更成熟，發展速度更慢。案例研究的更深入分析提供了法國巴黎和美國芝加哥的結果。以巴黎爲例，該方法有助於說明增長壓力，這些增長壓力導致郊區大規模城市擴張以及內城區的持續緻密化。以芝加哥爲例，我們觀察到一種城市蔓延，伴隨着郊區化浪潮，內城區人口減少，郊區持續的城市蔓延隨着時間的推移而得到鞏固。關於城市蔓延的一個研究，引出了一個地理學研究問題的空間異質性，目前城市化監測方法都是以西方案例設計到的。對於發展中國家不一定適用。
2.Space-based quantification of per capita CO2 emissions from cities/基於空間的城市人均二氧化碳排放量量化
當前，城市地區約佔全球與能源有關的二氧化碳（CO2）排放量的70％，而持續快速的全球城市化正在增加城市的數量和規模。因此，瞭解城市規模的CO2排放及其在城市密度不同的城市之間的變化是一項至關重要的任務。儘管在先前的研究中已經廣泛研究了CO2排放量與人口密度之間的關係，但他們的結論對城市邊界的定義不一致以及對CO2排放量清單的依賴（隱含假設的人口關係）很敏感。在這裏，我們提供了來自橫跨多大洲的總共20個城市的軌道碳觀測站2（OCO-2）的星載大氣CO2測量值的人均直接CO2排放量（E pc）的第一個獨立估計。該分析說明了氣象對大氣模型對衛星觀測的影響。衛星採樣所得的逆風源區域可作爲客觀的城市範圍，以彙總排放量和人口密度。因此，我們可以從一些城市中按人均檢測排放“熱點”，但要遵守OCO-2的採樣限制。我們的結果表明，E pc隨人口密度的增加而下降，儘管E pc的下降部分受到E pc與人均國內生產總值之間正相關的限制。隨着未來幾年將發射更多的二氧化碳觀測衛星，基於太空的方法來了解城市的二氧化碳排放量，在跟蹤和評估城市增長的未來軌跡以及告知減碳計劃的效果方面具有巨大的潛力。基於衛星的碳排放監測分析，使用了OCO-2衛星數據，分析了城市的碳排放量，在估算CO2排放上彙總了多個數據估算的碳足跡。
3.Using gross ecosystem product (GEP) to value nature in decision making/使用生態系統總產值（GEP）評估決策中的自然
國內生產總值（GDP）以一種貨幣度量標準彙總了大量經濟信息，該度量標準被全世界的決策者廣泛使用。但是，國內生產總值未能充分體現自然對經濟活動和人類福祉的貢獻。爲了解決這一關鍵遺漏，我們開發了一種生態系統總產值（GEP）的度量標準，該度量標準以單個貨幣度量標準總結了生態系統服務的價值。我們通過在中國青海省的一項應用說明了對GEP的測量，表明使用現有數據可以簡化該方法。青海素有“亞洲水塔”之稱，是湄公河，長江和黃河的源頭，事實上，我們發現與水有關的生態系統服務佔青海GEP價值的近三分之二。重要的是，這些好處大部分都在下游產生。在青海，隨着市場經濟的發展，GEP超過GDP的2000年，是2015年GDP的四分之三。在此期間，對恢復的大規模投資導致以GEP衡量的生態系統服務流量（127.5％）得到改善。展望未來，中國正在以多種方式在決策中使用GEP，這是向包容性綠色增長轉型的一部分。這包括投資於保護生態系統資產，以確保通過跨地區補償金提供生態系統服務。歐陽志雲老師團隊關於生態系統服務方面的成果，發表於PNAS上。轉移支付或者生態補償政策的一個實證研究。
河流是地球生態系統必不可少的，但是由於測量站的稀疏分佈，目前對河流寬度變化性的理解是有限的。遙感數據通過以精細的時空分辨率提供來自衛星的多時相地球觀測數據，從而能夠對河流地貌進行調查和分析。我們提出了一種優化的RivWidth方法，可自動計算水圖中所有通道的寬度，並將其並行化以生成多時中國河寬（MCRW）數據集，這是中國在30年前的第一個30米多時河寬度數據集1990-2015年，包括季節性波動和動態淹沒頻率下的估計。 MCRW數據集由1.3億條河流寬度的季節性估算值組成，覆蓋了中國14萬公里的河流。我們針對現場測量結果驗證了MCRW數據集。在最大水域下，MCRW估算值的平均絕對百分比誤差（MAPE）和相對均方根誤差（RRMSE）分別達到15.0％和15.2％的令人滿意的精度。將MCRW數據集與當前最新的全球產品，即Landsat的全球河流寬度（GRWL）數據集進行了比較，這證明了MCRW在描述中國盆地方面的優勢。我們的分析表明，過去25年，中國夏季和冬季的平均河寬有所增加，而下游流域的長江干流的河寬呈下降趨勢，而中游和支流（上游）則呈下降趨勢。三峽大壩）的數量呈上升趨勢。我們還開發了一種本地自適應搜索方法來量化季節性（夏季和冬季）河寬變化。結果表明，研究期內夏季大部分河流較寬，中下游地區長江干流的季節變化性小於其支流。由於冰凍洪水，冬天在黃河中游和黑河上游觀測到更大的寬度。總體而言，生成的MCRW數據集有潛力作爲地球系統科學的基礎資源，並可以爲地表水資源和河流管理提供有價值的支持。1995-2015中國衛星反演的時空河流寬度製圖。30 m 分辨率。可以說是一個非常大工作量的研究。從精度來看也非常不錯，尤其是在中國盆地區域的變化。
鄰里平均效應（NEAP）可能是一個嚴重的方法論問題，在研究與流動性相關的暴露（例如，空氣或噪音污染）時，會導致錯誤的評估，因爲人們的日常流動性可能會放大或減弱他們在住宅區所經歷的暴露。 NEAP尤其建議，與基於居住地的暴露相比，基於個人流動性的暴露傾向於達到參與者或研究區域人口的平均水平。這項研究使用洛杉磯都會統計區域內收集的2737個人的活動旅行日記數據，通過評估個人對地面臭氧的暴露程度，對NEAP以及NEAP與人們的日常活動之間的關係進行了深入研究。通過探索性分析（例如散點圖和直方圖）和空間迴歸模型獲得的結果表明，在評估研究區域中個人對臭氧的暴露時，NEAP存在。此外，高收入，受僱的，年輕的和男性的參與者（與低收入，不工作，年長的和女性的參與者相比）由於其較高的日常活動水平而與較高的鄰里效應平均水平相關。最後，居住在同一社區的71名選定參與者的時空路徑和每小時臭氧暴露的三維交互式地理可視化證實了從空間迴歸分析獲得的結果。關美寶老師團隊的成果，結合時空路徑，三維GIS等技術手段，分析鄰里平均效應，一個地理學上的經典問題，探究人羣時空流動造成的環境暴露研究，非常不錯的一個時空行爲地理學研究實例，已發表在AAG上。
背景
評估城市的排放清單（EI）是評估《巴黎氣候協定》下的地區性減緩氣候變化工作的一項全新挑戰。一些城市通常根據全球社區協議開始編制EI。但是，由於EI的編制方式（數據收集和排放計算）和報告方式（行業定義以及直接與消費），通常難以對其進行系統地檢查。此外，由於缺乏空間排放程度，此類EI估計不容易應用於使用建模和觀察進行客觀評估。科學界使用的城市排放量估算通常基於降尺度的網格化EI，而未完全評估城市級別的降尺度排放量的準確性。
結果:這項研究試圖評估降低排放水平在城市一級的效用。我們收集了來自全球14個主要城市的EI，並將其與科學研究領域中常用的全球高分辨率化石燃料CO2排放數據產品（ODIAC）的估算值進行了比較。我們對估計進行了必要的調整，以使我們的比較儘可能合理。我們發現，這兩種方法對上海和德里的排放估計非常接近（差異小於10％），並且在一半的被調查城市中具有良好的一致性（差異小於30％）。與開普敦（+ 148％），聖保羅（+ 43％）和北京（+ 40％）的庫存估算相比，ODIAC數據集的排放量要高得多，這可能與夜光強度與人類活動之間的相關性較差有關，例如發展中國家的高排放低照度工業園區。另一方面，ODIAC在曼哈頓（−62％），紐約市（−45％），華盛頓特區（−42％）和多倫多（−33％）均顯示較低的估計值，這些估計值都位於北美歸因於ODIAC基於夜間燈光的方法低估了住宅取暖產生的排放，以及庫存估計數中註冊車輛統計數字中高估了地面運輸產生的排放。
結論:相對較好的協議表明，ODIAC數據產品有可能被用作事先估算城市水平CO2排放量的第一來源，這對於大氣CO2反演建模以及與衛星CO2觀測結果進行比較是有價值的。我們彙總了14個城市的邊界排放估算，有助於建立準確的全球全球城市碳排放清單，這對於將來制定負責任的地方減緩氣候變化政策十分必要。評估城市網格化碳排放清單全球清單與本地清單的比較研究。非常有意思的一個研究。
城市邊界是城市的基本屬性，在許多城市研究中被廣泛使用。然而，從衛星圖像中提取城市邊界仍然是一個巨大的挑戰，特別是在全球範圍內和高分辨率下。在這項研究中，我們開發了一個自動劃定框架，以使用30m全球人工不透水區域（GAIA）數據生成全球城市邊界（GUB）的多時間數據集。首先，我們通過填充每個城市的內部非城市區域來劃定初始城市邊界。此步驟中聯合使用了核密度估計方法和基於元胞自動機的城市增長模型。其次，我們通過擴展和侵蝕得出的城市範圍，採用一種形態學方法，改善了城市邊緣地區周圍的初始城市邊界。我們在Google Earth Engine平臺上實現了這一劃分，並在七個代表年（即1990、1995、2000、2005、2010、2015和2018）中生成了30m分辨率的全球城市邊界數據集。我們提取的城市邊界與夜間光數據和人類解釋得出的結果顯示出很好的一致性，並且與高分辨率的Google Earth圖像相比，它們可以很好地描繪城市的城市範圍。 2018年的總面積爲65,582個GUB，每個面積都超過1 km2，爲798,101 km2。不可滲透的表面積約佔總數的60％。從1990年到2018年，劃定邊界中的不滲透區域的比例從53％增加到60％，這表明過去幾十年中城市的緊湊增長。我們發現，在2018年城市化程度最高的10個國家中，美國的人均城市面積最高（即超過900平方米）。此數據集提供了可用於研究城市化影響的城市區域的物理邊界關於糧食安全，生物多樣性和城市健康的問題。可以從http://data.ess.tsinghua.edu.cn訪問GUB數據集。清華大學宮鵬老師團隊的成果，最近也比較火。基於Google Earth Engine提取了城市邊界，這是一個在城市研究裏非常重要的研究要素。
人工林是可持續森林管理的重要組成部分，因爲其快速增長的生物量可提供許多對人類福祉至關重要的重要生態系統產品和服務。準確估算森林生物量對於全球碳覈算和造林政策制定至關重要，但是植被上的飽和反射信號和生長期缺乏無雲圖像大大限制了光學遙感在亞熱帶人工林生物量估算中的應用和熱帶地區。林分年齡是決定森林生長和林分發育的關鍵因素，但尚未廣泛用於基於遙感的生物量估算方法中。這項研究的主要目的是研究異速生長分析方法與Landsat衍生的林木年齡結構相結合的適用性，以估算中國亞熱帶景觀中速生林的林分生物量。我們使用了1986年至2016年的植被變化追蹤器（VCT）方法和Landsat時間序列數據來檢測年度林分替代干擾並估算林分年齡。結合異速生長方程和相對生長速率函數，建立樹木生物量與林分年齡之間的聯繫。我們還使用僅利用光譜和紋理變量的常規遙感（CRS）方法以及結合了林分年齡（CRS_EX）的擴展CRS方法對樹木生物量的空間分佈進行建模。然後，我們將CRS和CRS_EX方法與異速分析法進行了比較，以突出林分年齡和擾動後森林再生長對生物量估算的重要性。 Landsat引起的擾動歷史與林分年齡顯着相關（R2 = 0.82，RMSE = 3.7年，p <0.01）。與CRS方法相比（R2 CRS = 0.53，RMSE CRS == 54.38 t /哈）。通過異速生長分析方法估算的樹木生物量與異速生長曲線更吻合，而CRS_EX和CRS方法均顯示出對中青年森林的明顯高估。這項研究表明，通過使用現有林分開發知識和日益開放的遙感數據，異速生長模型有可能被應用於亞熱帶森林人工林。基於異速生長模型和Landsat估算亞熱帶森林人工林的樹木生物量，這個研究有趣的點在於結合林分數據與Landsat擾動評估了影響。用於改進生物量的精確估計。
城市樹木和草具有不同的生態功能和服務。遙感爲量化城市植被的覆蓋和分佈提供了一種可行的方法。以前的大多數研究都使用基於高分辨率圖像的監督分類來繪製城市樹木和草皮。但是，由於缺乏區分粗，細植被的專門功能，城市樹木和草的分類精度始終較低。儘管添加3D地形信息可以提高準確性，但此類數據的可用性有限。本文開發了一種草木分化指數（TGDI），以促進快速有效地對城市樹木和草類進行分類。我們通過將新索引應用於不同的分類方法來檢查其性能。我們比較了方法1的分類：沒有TGDI的監督分類；方法2：用TGDI監督分類；方法3：使用TGDI進行基於規則的分類。結果表明，方法1，方法2和方法3的總體準確度分別爲84％，88％和90.5％。無論將TGDI單獨用於基於規則的分類還是作爲監督分類的功能添加，使用新索引都可以改善城市樹木和草的分類。使用TGDI的主要優點是可以減少樹木的陽光照射部分到草叢中的錯誤分類。將TGDI應用於監督分類時，樹木的生產者準確性和草的用戶準確性可以提高10％以上。這項研究綜合了紋理和光譜特徵，從而增強了僅基於光譜特徵而無需詳細的3D表面數據的傳統索引構建方法。研究結果提出了一種發展指數的新方法，該指數可以提高準確性，並擴大遙感技術在城市環境中生態結構和功能的模式的高光表現。生態中心周偉奇老師團隊的成果，提了一種基於高分辨率影像和麪向對象的方法性指標，可以通過遙感技術區分城市樹木與草地。
夜間光遙感由於其在估計社會經濟指標和量化人類活動以應對不斷變化的世界方面的優勢而引起了極大的歡迎。儘管在過去的幾十年中，在夜間燈光遙感的方法開發和實現方面已取得了許多進步，但有限的研究已投入到回答以下問題：夜間燈光從何而來？這阻礙了我們識別城市化地區夜間特定光源的能力。針對此缺點，我們提出了一種面向包裹的時間線性分解方法（POTLUM），以結合土地利用數據來識別特定的夜間光源。均方根誤差的比值被用來評估解開精度，並提出了包裹純度指數和貨源充足性指數來歸因於解開誤差。我們使用Suomi國家極地軌道合作伙伴（NPP）衛星的可見紅外成像輻射計套件（VIIRS）夜間光數據集和新發布的《中國基本城市土地利用類別》（EULUC-China）產品，應用了建議的方法並進行了在Shanghai和Quzhou這兩個不同規模的中國城市進行了實驗。 POTLUM的結果表明，它在檢測特定夜間光源方面具有相對強大的適用性，在Shanghai和Quzhou的rRMSE分別達到3.38％和1.04％。主要的混合誤差是由不純淨的地塊作爲最終成員造成的（例如，Shanghai和Quzhou的包裹純度指數分別爲54.48％，64.09％），但是這也表明預定義光源是足夠的（例如，Shanghai的光源充足指數）和Quzhou：分別爲96.53％和99.55％）。本研究中提出的方法使識別夜間照明的特定來源成爲可能，並有望豐富結構社會經濟指標的估計，並更好地支持城市規劃和管理中的各種應用。清華大學徐冰老師團隊的研究，一種時間線性分解方法用於識別特定的夜間燈光源，這對後續研究很有益處，比如識別礦井火點，監測工業偷排活動等。
目的
手足口病（HFMD）是中國重要的公共衛生問題。儘管隨機對照試驗已證明了療效，但單價腸病毒71（EV71）疫苗對HFMD有效性的證據仍然未知。這項研究旨在評估中國廣州手足口病的疫苗有效性。
方法
常規收集的疫苗接種和手足口病監測數據均來自中國疾病預防控制信息系統。我們使用空間生態學和時間序列分析方法評估了EV71疫苗的有效性。
結果
從2016年1月至2018年12月，共向廣州市監測系統報告了174002例5歲以下的手足口病病例。共有408,664名兒童完成了兩劑EV71疫苗接種。在生態學分析中，相對於低於中位數的疫苗接種率，高於中位數的兩劑EV71疫苗接種率賦予較低的手足口病風險（比率= 0.955，95％置信區間（CI）：0.949，0.962； P <.001） 。在時間序列方法中，手足口病病例減少0.9％，而兩劑EV71疫苗接種率增加1％，但無統計學意義（P = .094）。但是，我們在3歲以下兒童中發現了對手足口病的統計學顯着保護性關聯（疫苗接種率增加1％的手足口病病例減少了0.9％； P = .046）；對於EV71（1.4％； P = .012），“其他病毒”（1.3％； P = 0.002），但不是柯薩奇病毒A16（CVA16）。
結論
基於實際數據，我們的發現提供了EV71疫苗預防EV71和與HFMD相關的“其他”病毒的有效性的證據。迫切需要擴展的EV71疫苗接種計劃。
手足口病疫苗有效性的時空分析，公共衛生研究的一個範例。