資源整理。
1 Coding:
1.自動設置GOMAXPROCS以匹配Linux容器CPU配額。
2.文言文編程語言。今天來自機器之心的推送，雖然我已經先看到了。來自CMU大四的大佬。
3.此程序包中的文件採用雲優化的GeoTIFF格式，可以在PROJ 7或更高版本的PROJ數據目錄中解壓縮。
4.該存儲庫是The Carpentries模板，用於創建研討會的網站。
5.R語言包shinyglide，Shinyglide是一個R包，藉助Glide JavaScript庫，它可以爲shiny應用程序提供類似於播放組件。
6.GeoGeometry是一組算法和函數，用於通過地理座標處理geohash和幾何形狀。
7.將geoJSON MultiPolygon或Polygon轉換成構成它的geohash列表。
8.找到一個多邊形中的所有geohash。 用Java實現。
9.R語言包RavenR，用於處理Raven水文建模框架的輸入，輸出和診斷。
10.R語言包esri2sf，從ArcGIS Server爬取地理要素，通過ESRI的ArcGIS Server仍然可以傳遞許多地理數據。 利用來自R或Pandas等數據分析平臺的GIS服務器中的地理數據並不容易。 使用此軟件包，用戶可以通過服務器的REST API從R中刮除ArcGIS Server中的矢量數據。 它從ArcGIS Server下載地理要素，並將其另存爲sf。
11.Babylon.js是一個功能強大，美觀，簡單且開放的遊戲和渲染引擎，打包在一個友好的JavaScript框架中。
12.R語言包memoise，提供了一種簡單的語法，適用於如下情況：使用相同的輸入多次調用一個函數，則通常可以通過保留可以檢索的已知答案的速度來加快處理速度。
13.球體上的計算幾何和空間索引。
14.R語言包tfprobability，TensorFlow probability是一個基於TensorFlow進行統計計算和概率建模的庫，這個包是它的R接口。
15.信息庫，用於跟蹤自然語言處理（NLP）的進度，包括數據集和最常見NLP任務的最新技術。
16.R語言包cli，製作美觀實用的命令行界面的工具。
17.神經圖像字幕生成教程。
Neural Image Caption Generation Tutorial
18.基於樣式的GAN架構（StyleGAN）在數據驅動的無條件生成圖像建模中產生了最新的結果。Tensorflow實現。
19.該存儲庫包含深度強化學習算法和環境的PyTorch實現。
Deep Reinforcement Learning Algorithms with PyTorch
20.該項目解釋了可解釋機器學習中當前方法的侷限性，例如部分依賴圖（PDP，累積局部效應（ALE），置換特徵重要性，留一協變量（LOCO）和局部可解釋模型不可知的解釋（LIME） ）。所有這些方法都可以用來解釋訓練有素的機器學習模型的行爲和預測。
21.操縱和分析幾何對象。Shapely是BSD許可的Python軟件包，用於操縱和分析平面幾何對象。 它基於廣泛部署的GEOS（PostGIS的引擎）和JTS（移植了GEOS的）庫。
22.Coverage.py通常在測試執行期間測量代碼覆蓋率。 它使用Python標準庫中提供的代碼分析工具和跟蹤鉤子來確定哪些行是可執行的，哪些行已執行。
23.在現有DL框架之上構建的Python軟件包，用於簡化圖上的深度學習。
24.Github的issue模板。
25.跨平臺，GPU加速的終端仿真器。
26.受Pandas和LINQ啓發的JavaScript數據轉換和分析工具包。
27.R語言包gdalUtils，GDAL的R包。可以直接調用GDAL的各個函數。
28.製作六邊形的shiny程序。
29.顯示動態的，自動組織的，可定製的網絡圖。
30.pysal中的地貌演示數據集。
31.HR Analytics Meetup London的演示文稿和其他代碼2019年3月18日。
32.xyzpy是一個python庫，用於高效地生成，處理和繪製具有許多維的數據，而這些維是數值模擬中經常發生的類型。 它完全位於標記的N維數組庫xarray的頂部。
33.這是NeurIPS提交的"Scene Representation Networks: Continuous 3D-Structure-Aware Neural Scene Representations"代碼實現。
34.Patrick Schratz博士期間所有的演講與參加的研討會。
35.R語言包cbuild，cbuild的目標是提供用於交互使用C以及構建R包時使用的工具。
36.英國大選的三元圖。
37.R語言包RGISTools，用於從Landsat，MODIS和Sentinel下載，自定義和處理衛星圖像的時間序列的工具。
38.基於CentOS 8構建Shiny儀表盤的Docker鏡像。
39.PyTorch中密集物體檢測的焦點損失。
40.用numpy的ufuncs包裝GEOS幾何函數。
41.Jony的博客，前端方面的博客。
42.授粉媒介監測方案和Hoverfly記錄方案數據的集成建模代碼。
43.python/pytorch中的無監督學習和生成模型。
44.python-dbn旨在嘗試使用不同的深度學習架構。
45.深度學習教程。
46.圖像顏色選擇器使您可以選擇圖像像素的顏色。
47.嗶哩嗶哩雲，支持任意文件的全速上傳與下載。
48.Derrick是幫助您在幾秒鐘內將應用程序進行打包docker容器的工具。 Derrick專注於本地開發環境中開發人員的工作流。
49.使用Pyspark簡化了敏捷數據科學工作流程。
50.NeurIPS 2019研討網站。
51.R語言包ggfree，用基礎R繪圖實現ggplot2風格式繪圖。
52.一種使用rayshader和ggmap軟件包在3D DEM上疊加Google Map衛星圖像的快速方法。
53.Modeling uncertainty in the Earth Sciences一書的教學材料。
Modeling uncertainty in the Earth Sciences
54.應用機器學習簡介。
55.使用Julia編程語言處理CSV和其他定界文件的實用程序庫。
56.Automagic是基於MATLAB的工具箱，用於預處理EEG數據集。 它的開發旨在爲大（小）EEG數據集提供用戶友好的預處理軟件。 該軟件可以通過圖形用戶界面（GUI）進行控制，不需要任何編程知識。 它在Matlab（R2016b和更高版本）上運行。
57.生成模型的集合，例如 GAN，Pytorch和Tensorflow中的VAE。 這裏還介紹了RBM和亥姆霍茲機。
58.EfficientNet的PyTorch實現。
59.提供R函數以下載csv文件並將其從OneDrive共享鏈接導入R。
60.Javascript在數據科學的應用簡介。
61“Docker for the User”的幻燈片，代碼和資源鏈接，在nyhackr上發佈於2018-07-11。
62.用JavaScript實現的算法和數據結構，並帶有解釋和進一步閱讀的鏈接。
63.用於空間敏感性分析的scala庫。
64.AWS的MODIS數據。
65.R語言包rasterDT，rasterDT使用data.table提供的快速索引，聚合和賦值操作，以快速替代幾種柵格數據包功能。 它提供的功能比它們替換的raster包功能快5到25倍。
66.一款瀏覽器端的 Markdown 編輯器。
67.基於 Vue、Vditor，所構建的在線 Markdown 編輯器，支持流程圖、甘特圖、時序圖、任務列表、HTML 自動轉換爲 Markdown 等功能。
68.R語言包prettycode，如果終端支持，請使用ANSI顏色將一種功能的標準打印方法替換爲執行語法突出顯示的一種功能。
69.用於序列標註的框架。
BiLSTM Attention CRF Seq labeling
70.收集針對NLP問題的機器學習和Tensorflow深度學習模型。
71.日本的天氣可視化。
2 Paper:
青藏高原構成了獨特的山區生態系統，可用於及早發現氣候變化對生態系統功能的影響。我們使用MAPSS-CENTURY 2（MC2）這個動態的全球植被模型，研究了在一箇中低變暖情況下，過去生態系統（1961-2010年）和未來生態系統（2011-2080年）對氣候變化的潛在響應。 （RCP4.5）在中國西北黑河流域（UHRB）的1 km空間分辨率上。結果表明，過去流域面積的21.4％經歷了潛在的自然植被類型的變化，到2070年代將有42.6％的土地發生變化，其特徵是高寒帶苔原急劇增加，代價是寒冷的貧瘠土地。自1980年代中期以來，淨初級生產力（NPP）和異養呼吸（RH）急劇增加，預計將來將保持較低的速度。總體而言，UHRB在1961–2010年從碳中性轉變爲碳匯，並且碳匯強度預計在2040年後下降。此外，由於降水的輕微減少和降雨的增加，未來的氣候變化預計將導致水產量的下降。蒸散量（ET）增加。此外，我們在模擬的生態系統動態中發現了較大的空間變化，包括高寒地區的NPP，RH和ET呈上升趨勢，而中高海拔森林地帶呈下降趨勢。這些結果強調了氣候變化對山區流域的潛在影響的複雜性，這些山區流域代表了乾旱環境中內陸河流系統的源頭。植被模型結合氣候變化分析生態功能影響，高寒地區的生態系統與生態服務功能本身是比較複雜的，當前這塊研究主要以非高寒地區生態系統建立，這篇是一個不錯的案例研究。
中國快速的城市化加劇了其空氣污染問題，並隨後導致人們對城市化與PM2.5濃度之間的關係越來越感興趣。目前，關於城市化直接影響空氣質量的方式的研究已經比較成熟。然而，對鄰近地區城市化對PM2.5濃度的溢出效應的量化研究仍未深入。此外，城市化在中國是一個多維現象，重要的是要區分城市化的多個方面影響PM2.5濃度的方式。以中國北京-天津-河北城市羣爲例，探討了PM2.5濃度的時空變化和空間依賴格局，並進一步研究和比較了城市化多維維度對PM2的獨特影響。 5個濃度。結果表明，PM2.5的空間依賴性通常發生在研究區域的200 km範圍內。經濟城市化對空氣質量的影響遠大於土地城市化或人口城市化。它被確定爲代表城市化影響的最佳指標，尤其是城市化對鄰近地區PM2.5濃度的溢出效應。在2000-2010年期間，本地和鄰近的經濟城市化對PM2.5濃度的影響顯着增加。相反，土地城市化主要對重點區域的空氣質量產生影響。人口城市化對整個城市羣的PM2.5濃度沒有顯着的直接或溢出影響。這項研究提供的證據表明，在城市羣中進行聯合空氣污染控制時，必須考慮城市內部和城市之間的城市化影響。基於環境壓力擴散和轉移的PM2.5稅是一種可能的政策機制，可以幫助解釋經濟城市化對空氣質量的溢出效應。基於系統的方法和以流程爲中心的治理是協調城市化和空氣質量管理的兩種建議方法。基於PM2.5和城市化進行分析。多維城市化因子的分析。以京津冀城市羣來分析。主要是提出了溢出效應的分析。
3.Ice sheets matter for the global carbon cycle/冰蓋對全球碳循環至關重要
碳在地球上的循環對大氣中的溫室氣體含量產生了根本影響，並因此影響了數千年來的全球氣候。 直到最近，冰蓋仍被認爲是這一週期的惰性組成部分，在全球模型中基本上沒有被考慮。 過去十年的研究改變了這種觀點，證明了存在獨特適應的微生物羣落，冰蓋中生物地球化學/物理風化率高以及有機碳（> 104 Pg C）和養分的儲存和循環的高比率。 在這裏，我們評估了冰蓋在全球碳循環中的積極作用，以及在變暖的世界中增強的融化和冰排放的潛在後果。NC上的文章，本身冰蓋就是全球氣候變化的一個關鍵表徵，去年在空間精度會議上，武大趙羲老師榮獲青年科學家獎章，她正是在國際國內領域這遙感測度冰川變化的突出空間研究者。