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的商業分析軟件包。
2.一個用於探索和發佈數據的開源多功能工具，Datasette是用於瀏覽和發佈數據的工具。 它可以幫助人們獲取任何形狀或大小的數據，並將其發佈爲交互式，可探索的網站和API。
3.關於作者碩士論文的技術部分，基於Google Earth Engine實現的結合Landsat和Sentinel 2以進行作物監測。
4.處理道路相關數據的流程化腳本。
5.小麥枯萎病殺菌劑功效的Meta分析。
6.OpenMapKit Server是OpenMapKit的輕量級服務器組件，用於處理OpenStreetMap和OpenDataKit數據的收集和聚合。
7.OpenMapKit的主要文件。
8.世界衛生組織的開源溝通頻道。
open source communication channel
9.現代C++的教程。
10.InVEST模型的docker鏡像。
11.R語言包targettypes，是target包的目標原型和管道原型的集合。 這些原型使用簡潔的語法表示複雜的流水線，從而增強了可讀性，從而提高了可重複性。
12.R語言包rstac， SpatioTemporal Asset Catalog 的R客戶端，SpatioTemporal Asset Catalog是用於描述地理空間信息數據的文件和Web服務的規範。
13.Adobe Illustrator的Javascript腳本集合。
14.Python庫xarray_leaflet，leaflet的xarray拓展插件。
15.局部氣候分區圖的多標籤機器學習標註，還在建設中。
16.QGIS的資源。
17.Python庫DearPyGui，一個快速且有力的GUI工具。
18.Kevin Murphy《概率機器學習》的一系列書籍。
19.UCL CASA的課程編程導論。
20.R語言包bnspatial，貝葉斯網絡與地理空間製圖的空間化實現。
21.Aalto GIS課程的CSC JupyterLab環境。
22.R語言包rmdrive，提供了簡單的功能可將rmd文件移動到google drive以進行同步協作，然後將其返回到本地.Rmd進行修訂。
23.R語言包USAboundaries，用以獲取美國的歷史和當代邊界數據。
24.局部氣候分區圖的例子。
25.R語言包mschart，方便創建可以用於Microsoft Power Point的可交互式圖片。
26.一位生態學家的Shiny介紹。
27.gdal-summarize.py的目標是彙總跨圖層的柵格數據。
28.更簡單構建機器學習API的方式。
29.一個基於Postgres SQL與PostGIS構建的開源地理空間軌跡數據庫。
30.R語言包ape，系統發育和進化分析。
31.貝葉斯方法+概率編程的介紹，純Python實現。
Probabilistic Programming and Bayesian Methods for Hackers
32.R語言包rgeoboundaries，geoboundaries API的R客戶端。
33.課程可持續發展的空間數據科學的jupyter Notbebook（學生版本）。
34.100天的tensorflow概率實驗。
tensorflow probability 100days
35.開源web地圖js庫openlayers。
36.rspatialdata的主頁。
37.R語言包DataEditR，在R中手動輸入和編輯數據可能很繁瑣，尤其是如果您的編碼經驗有限並且習慣於使用帶有圖形用戶界面（GUI）的軟件。 DataEditR是一個基於shiy和可擴展的R軟件包，可以輕鬆地交互查看，輸入，過濾和編輯數據。
38.一個用於構建管理面板和內部工具的Web框架。
39.Rowan University生物學家的數據科學的課程資料。
40.plaidml是一個框架將深度學習應用到不同領域。
41.Python庫PrettyErrors，美化Python異常輸出以使其清晰可見。
42.Python庫diagrams，使您可以用Python代碼繪製雲系統架構。 它的誕生是爲沒有任何設計工具的新系統架構設計提供原型。 您還可以描述或可視化現有的系統架構。
43.Postgre SQL和PostGIS。
44.DevOps，開發人員和平臺工程師的工具集合。
docker development youtube series
45.R語言包msmbstyle，爲使用R包的書籍生成的HTML頁面提供了另一種設計。將註釋放在頁面右邊。
46.氣候相關的數據集API與開源項目。
47.R語言包slider，提供了一系列通用的“滑動窗口”功能。 該API的目的與purrr非常相似。 這些功能的目標通常是計算滑動平均值，累積總和，滑動迴歸或其他基於“窗口”的計算。
48.免費R-Tips是Business Science提供的免費新聞通訊。每個星期二提供的代碼教程。
49.仿製控制算法中的通用性多任務評估（MAGICAL）。
50.PyCRS是一個純Python GIS軟件包，用於在各種通用座標參考系統（CRS）字符串和數據源格式之間進行讀取，寫入和轉換。
51.Julia的軟件包DoctorDocstring，用於診斷軟件包中缺少的文檔字符串。
52.papermill是用於參數化，執行和分析Jupyter Notebook的工具。
53.將鋼琴錄音轉錄成MIDI文件的任務。 高分辨率鋼琴轉錄系統的PyTorch實現。
54.R語言包tmaptools，該軟件包提供了一組方便的工具功能，用於讀取和處理空間數據。 這些功能的目的是提供工作流程以創建專題圖。
55.使用PySimpleGUI開發的數據科學和機器學習GUI程序/桌面應用程序。
56.使用Python、OpenCV、FFmpeg，自動識別電影剪輯、分析剪輯主題顏色。
cut video and generate color with python opencv
57.Sentinel系列衛星SAR影像分析的jupyter notebook樣例。
58.rodent小數據集中的缺失值探索。
59.bco app是用於創建，驗證和瀏覽BioCompute對象的Shiny應用程序。
60.使用Golang編寫的LAS文件的Cesium.js點雲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)"相關的代碼和文件。
62.嚴重性估算：虛擬實驗。
63.微軟的人工智能系統課程資源。
64.R語言包agriwater，使用衛星影像和農業氣象數據獲取能量平衡和實際蒸散量的R軟件包。
65.Voilà將Jupyter筆記本變成獨立的Web應用程序。
66.IPSQL是可以在IPFS中運行的去中心化數據庫。 它實現了SQL模式，數據模型和查詢語言。
67.R語言包speed，空間增強和熵導出的鄰接矩陣（SpEED-CoMat）。
68.forty是一個多頁面網站的hugo主題。 它是HTML5 UP構建的移植主題。該主題包含許多樣式元素，並具有聯繫表單。 專爲博客，企業或自由職業者而設計。
69.由克羅姆（Peter Lemon）設計的Game Boy Advance裸機代碼。所有代碼都可以通過FASMARM彙編器即時進行編譯。
70.R語言包correlation，相關分析的方法包。
71.Python庫geosnap，使探索，建模，分析和可視化社區的社會和空間動態變得更加容易。
72.Python庫tobler，用於面插值，等軸測圖映射和支持更改。
73.JuliaGeo是一個組織，其中包含許多相關的Julia項目，用於處理，查詢和處理地理空間幾何數據。 該存儲庫旨在圍繞JuliaGeo組織進行討論，並列出了一些可用的現有庫，以及參與JuliaGeo生態系統的方式（軟件包，教材等）。
74.“學習玩混沌遊戲：通過區分迭代函數系統來實現分形葉子”的代碼。
75.Python庫scikit-multilearn，能夠執行多標籤學習任務。
76.Google Earth Engine代碼，可通過Landsat系列衛星計算地表溫度。Remote Sensing發表文章的代碼。
77."An Introduction to Statistical Learning"一書的練習與答案。
An Introduction to Statistical Learning
78.具有重要性加權Actor-Learner架構的可擴展分佈式深度強化學習。
79.該數據集16級的Web墨卡托地圖瓦片提供了全球固定寬帶和移動（蜂窩）網絡性能指標。
80.ImplicitGlobalGrid是瑞士國家超級計算中心，蘇黎世聯邦理工學院（Samuel Omlin博士）與斯坦福大學（LudovicRäss博士）和瑞士地理計算中心（Yuri Podladchikov教授）合作的產物。 它使規則的交錯網格上基於模板的GPU和CPU應用程序的分佈式並行化幾乎變得微不足道，並且使成千上萬個GPU上的現實應用程序接近理想的尺度。
81.多標註模型性能的評估指標。
82.Python庫TensorFlow Recommenders，一個使用TensorFlow構建推薦系統模型的庫。
83.Python庫acme，一個強化學習的研究框架。
84.Python庫TF-Agents，使用Tensorflow進行強化學習的庫。使實施，部署和測試新的Bandits和強化學習算法更加容易。 它提供了經過測試的模塊化組件，可以對其進行修改和擴展。 它具有良好的測試集成和基準測試，可實現快速代碼迭代。
85.docker的基礎。
86.Reverb是專爲機器學習研究而設計的高效且易於使用的數據存儲和傳輸系統。
87.hugo的coder主題。
88.Klever是用於機器學習工作負載的雲原生平臺。 它可以幫助用戶訓練，分發，管理和服務其機器學習模型。
89.分佈式強化學習代理的實現。
90.基於Ray和Tensorflow的分佈式強化學習框架。
91.Linux運行wine應用(QQ/微信/百度網盤/TIM/迅雷極速版/Foxmail等)，適用於所有發行版------- Best wine-QQ/TIM/Wechat for all Linux distros。
92.stravalib項目旨在提供一個用於與Strava v3 Web服務進行交互的簡單API。
93.有關機器學習和捕捉相機陷阱的所有信息的列表。
94.21世紀的探索性數據分析。
exploratory data analysis in the 21st century
95.Python庫gdown，從Google雲端硬盤下載大文件（由於安全提示，curl / wget失敗）。
96.通過利用Apache MXNet進行動態培訓，可以利用AWS雲的彈性和規模來降低深度神經網絡的培訓成本和時間。
dynamic training with apache mxnet on aws
97.Python庫modin，通過更改一行代碼來加速pandas工作流程。
98.蘇格蘭NHS（國家健康服務系統）的數據分析專家/商業智能開發者的主頁（使用R）。
99.R語言包rdwplus，Peterson＆Pearse（2017）的IDW-PLUS的開源實現（IDW-PLUS，溪流土地的反距離加權百分比）。
100.基於dashboard的shiny app，內容是地下水相關。
101.R語言包terrainr，從USGS國家地圖獲取DEM和正射影像，對圖像進行地理配準併合並柵格，並對輸出進行轉換，以便將其導入到Unity中。
102.Python庫geocube，將Geopandas矢量數據轉換爲柵格化xarray數據的工具。
103.IGARSS 2021會議相關材料。
104.來自微軟AI for Earth項目，土地覆被製圖，前端Web應用程序和後端服務器。
105.通過Excel學習數據挖掘。
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的地理數據科學環境docker容器化鏡像。
108.R語言包scholar，提供了從Google Scholar中提取引用數據的功能。 除了檢索有關單個學者的基本信息之外，該軟件包還允許您比較多個學者並預測未來的h指數值。
109.tensorflow源碼閱讀筆記。
110.PyHSPF包含Fortran水文模擬程序（HSPF）的Python擴展，包括用於收集輸入數據，構建輸入文件，執行模擬，後處理結果，校準水文過程參數以及預測氣候和土地利用變化對水資源的影響的類。要使用HSPF，需要一個河流網絡的流線和集水量數據，河流到達子流域的土地利用數據，氣候參數的時間序列數據以及每個土地利用類別/子流域的水文參數。可以根據需要在外部提供數據（例如，使用Python擴展程序來處理各種數據類型）或使用PyHSPF的預處理類。
111.Python庫atral，計算太陽和月亮的位置。
112.用於軟件和Web開發的免費API的彙總列表。
113.R語言包sizzled，可創建需要樣本量計算的實驗。
114.R語言包AOI，AOI的目的是幫助人們爲分析和製圖工作流創建可重現的的邊界。
115.R語言包slga，可以從澳大利亞土壤與景觀網格下載指定區域的數據。
116.FORCE11軟件引證實施工作組。
117.udemy.com的課程The Complete JavaScript Course 2021: From Zero to Expert資料。含課程中所有部分和項目的入門文件和最終代碼。
118.使用“ Apache”“ Drill”轉換和查詢數據的工具。
119.Python庫manim，用於數學解釋視頻的動畫引擎。
120.joplin在VSCode中的集成目前允許對目錄和註釋進行直接操作，同時支持搜索功能。
121.全球湖泊數據庫（GLLD）是Python軟件包LakePy的後端體系結構。 GLLD在Amazon Web Services（AWS）關係數據庫服務（RDS）上託管歷史湖泊數據。
122.Google Cloud Developer的視覺筆記，Google Cloud系列產品中的每個產品都以可視化的草圖註釋格式描述，以快速，輕鬆地掌握工具的功能。
123.帶有自動完成功能，訂閱和GraphiQL的GraphQL的curl。 也是一個簡單的通用javascript GraphQL客戶端。
124.Python庫nmslib，dbMAP（基於擴散的流形逼近和投影），一個用於運行基於擴散的流形近似和投影（dbMAP）的python模塊，這是一種快速，準確和模塊化的降維方法。
125.HugeCTR是NVIDIA Merlin Open Beta的組件，是GPU加速的推薦程序框架。
126.TensorFlow的性能分析和性能分析工具。
127.一個有趣的shiny小應用程序，靈感來自@nnstats的推文。
128.XNNPACK是針對ARM，WebAssembly和x86平臺的高度優化的浮點神經網絡推理運算符庫。
129.音樂深度學習的資源。
130.如何使用蘇格蘭NHS網站的API。
131.免費的計算機編程類中文書籍，歡迎投稿。
132.練習旨在反映對可持續性和空間數據科學的看法，並幫助開始使用Python並學習使用課程環境。
133.R語言包polite，基於出色的工具包，用於定義和管理http會話（httr和rvest），聲明用戶代理字符串和調查站點策略（robotstxt）以及利用速率限制和響應緩存（ratelimitr和備忘錄）。
134.Data Science Studio課程的資料。用於分析人羣動態。
135.Python庫isort，用於按字母順序對導入進行排序，並自動將其按部分和類型分開。 它爲各種編輯器提供了命令行實用程序，Python庫和插件，可快速對所有導入進行排序。
136.Python庫LakePy，是以用戶爲中心的Global Lake Level Database的pythonic前端。
137.Python庫xoak，Xoak是Xarray擴展，它允許逐點選擇以任意數量的維度在座標中編碼的不規則n維數據。
138.滑鐵盧大學的CS350（操作系統）課程考試複習筆記。
139.R語言包parallelly，提供增強並行程序包的功能。例如，availableCores（）給出R選項和環境變量（包括由作業調度程序在高性能計算（HPC）集羣上設置的選項）和環境變量給定的R進程可用的CPU內核數。如果R在'cgroups'或Linux容器下運行，那麼它們的設置也會被確認。
140.Carter et al. 2020論文的代碼和數據。
temporal island prioritization
141.Python庫Opacus，可以使用不同的隱私訓練PyTorch模型。 它支持在客戶端上進行的代碼更改最少的培訓，對培訓性能的影響很小，並且允許客戶端在線跟蹤在任何給定時刻花費的隱私預算。
142.Verdaccio是一個簡單的，零配置所需的本地私有npm註冊表。 無需整個數據庫就可以開始！ Verdaccio具有自己的小型數據庫，並且具有代理其他註冊表（例如npmjs.org）的能力，並一路緩存下載的模塊。
143.Three.js渲染器，它利用路徑跟蹤來渲染具有真實照片級逼真的場景。 渲染器支持全局照明，反射，柔和陰影和逼真的環境照明。
144.Python庫dalle-pytorch，在Pytorch中實現/複製OpenAI，即OpenAI的文本到圖像轉換器。 它還將包含CLIP，用於對世代進行排名。
145.LocalStack爲開發雲應用程序提供了易於使用的測試/模擬框架。
146.用於信用卡審批分析的R Shiny App。
147.Python庫alive-progress，一種新型的進度條，具有實時吞吐量，eta和非常酷的動畫！
148.Topeka, Kansas的FEV1探索性數據分析。
149.R語言包easystats，旨在提供一個統一和一致的框架來訓練，約束和利用R統計信息及模型。
150.使用U-Net架構的Pytorch實施進行道路和建築物提取。
151.SEVIR天氣數據集的挑戰和基線模型。SEVIR（用於雷達和衛星氣象學中的深度學習應用的Storm事件圖像數據集）。
152.R語言包urlchecker，從舊版本的R 4.1中的R 4.1運行URL檢查，並根據需要自動更新URL。
2 Paper:
越來越多地研究環境暴露，作爲健康行爲和疾病後果的可能驅動因素。旨在識別和更好地瞭解暴露在整個生命過程中對行爲和疾病風險的影響的所謂暴露研究需要高質量的環境暴露數據。荷蘭擁有各種各樣的環境數據，包括有關城市基礎設施，物理化學暴露，社區服務的存在和可用性等的高空間分辨率和時空分辨率信息。直到最近，這些環境數據還是在不同的空間尺度上進行分散和測量的，這阻礙了與個人（隊列）數據的鏈接，因爲它們尚未作爲個人暴露進行操作，即暴露於特定於某個人的環境特徵。在地球科學和健康人羣聯合會（GECCO）中，並在全球地球健康數據中心（GGHDC）的支持下，荷蘭建立了一個平臺，該平臺將環境變量集中化，作爲個人暴露進行操作，並用於豐富23個人羣研究並應要求提供給研究人員。我們在這裏展示並詳細介紹了迄今爲止GECCO內可用的一系列個人暴露數據集，涵蓋了荷蘭整個土地上荷蘭所有居民（目前約爲1700萬）的個人暴露，並討論了挑戰和機遇。現在和不久的將來使用它。一項先瞻性的地理環境暴露隊列研究，非常重要的一項數據。
對於諸如地圖，導航和監視之類的各種應用，市區的語義標記是一項必不可少但具有挑戰性的任務。光檢測和測距（LiDAR）系統的飛速發展爲這項任務提供了使用3D點雲的可能解決方案，該點雲可訪問，負擔得起，準確且適用。在所有類型的平臺中，具有LiDAR的機載平臺可以用作市區大規模3D映射的高效工具。在這種背景下，已經開發了大量算法和方法來充分探索3D點雲的潛力。但是，對於評估已開發算法和方法的性能至關重要的，可公開訪問的大規模註釋數據集的創建仍處於早期階段。在這項工作中，我們提出了在高密度和複雜的市區中獲取的大規模空中LiDAR點雲數據集，用於評估語義標記方法。該數據集覆蓋了大約1平方千米的高密度建築物的市區，幷包含超過300萬個點，並標記了五類對象。此外，利用幾種基線方法的結果進行了實驗，證明了該數據集作爲評估語義標記方法的基準的可行性和能力。慕尼黑工大團隊的一套數據集，語義標記的航空LiDAR數據集。
3.Coastal vulnerability to climate change in China’s Bohai Economic Rim/中國環渤海地區沿海地區對氣候變化的脆弱性
氣候變化和人類活動給城市沿海地區帶來了各種各樣的壓力。對沿海脆弱性的綜合評估對於有效的干預措施和長期規劃至關重要。但是，很少有基於對城市沿海地區的生態和物理特徵以及社會經濟狀況進行綜合分析的研究。這項研究建立了一個整體框架，從生物物理暴露，敏感性和適應能力三個方面評估沿海脆弱性，並將其應用於中國廣闊而重要的開發區環渤海經濟圈。針對總5627公里海岸線中的每1 km2段，開發了一個綜合脆弱性指數（CVI），並通過繪製當前和未來氣候變化情景下CVI的分佈模式，確定了最容易造成沿海災害的地區。 CVI顯示出空間異質性，較高的值集中在西南和東北海岸，而較低的值集中在南部海岸。目前，約有35萬人的海岸線中有20％極易受到沿海災害的影響。在2100年的未來情景中，隨着海平面上升，更多的海岸線將變得高度脆弱，受高度威脅的人口數量估計將增加13-24％。在沿海城市中，東營被歸類爲脆弱性最高的國家，這主要是由於交通和醫療服務差以及人均GDP低，這導致適應能力低下。我們的結果可通過突出優先領域並確定優先級的最重要決定因素，促進針對氣候變化適應和可持續沿海管理的針對特定地點的干預措施而使決策者受益。歐陽志雲老師團隊的研究，分析海岸帶對氣候變化的脆弱性。研究的框架值得參考，包括暴露，敏感性和適應能力的綜合評估。
正確估計初始狀態變量和模型參數對於確定數值模型預測的準確性至關重要。在這項工作中，我們開發了基於集成卡爾曼濾波器和Common Land Model 3.0版（CoLM）的一維土地數據同化方案。該方案用於改善土壤溫度剖面的估算。葉面積指數（LAI）也由MODIS LAI生產動態更新，並且MODIS地表溫度（LST）產品被吸收到CoLM中。在2002年10月1日至2003年9月30日期間，通過對CEOP蒙古參考站中的四個自動氣象站（BTS，DRS，MGS和DGS）進行觀測，對該方案進行了測試和驗證。結果表明，數據同化可以改善估計土壤溫度剖面約爲1K。與模擬相比，BTS和DGS處土壤熱通量的同化結果分別約爲13 W m-2和DRS和MGS處分別爲2 W m-2。此外，將MODIS土地產品同化爲地表模型是一種改進地表變量和通量估算的實用而有效的方法。李新老師團隊的成果，發表於遙感界top期刊RSE，利用集成卡爾曼濾波和MODIS LST進行數據同化，改進土壤溫度估算。結合了通用陸面模型的一個研究。從結論看似乎是把土地產品（分類數據）同化爲地表模型，這是比較有意思的點，用分類變量同化數值變量。
激光雷達的出現徹底改變了我們從地面和地面上觀察和測量植被結構的方式，代表了對3D生態觀察定量化的重大進步。激光雷達硬件系統和數據處理算法的發展極大地改善了激光雷達觀測在生態研究中的可訪問性和易用性。廣泛的研究致力於精確地測量和建模激光雷達數據中的植被結構和功能屬性，這些數據來自一系列空間尺度（從單個器官到全球尺度）和生態系統類型（例如，森林，農業，草地和城市生態系統） ）。隨着激光雷達技術和應用的發展，人們越來越認識到研究3D生態系統結構的重要性。研究表明，激光雷達觀測可以有效地用於校準和改善生態模型，併產生更詳細，更準確的結果，帶來了新的生態學見識，對我們現有的知識提出了挑戰。儘管如此，我們認爲將3D激光雷達觀測納入生態模型仍處於起步階段，並且尚未充分探索將3D激光雷達觀測與多源遙感數據融合以促進對生態過程的新認識的潛力。 3D生態觀測的獲取應繼續擁抱多維大遙感數據時代，帶來新的挑戰和機遇。通過數據融合探索多時相和多平臺遙感數據的潛力，將使下一代生態模型受益。郭慶華老師團隊的成果，一篇綜述關於LiDAR在3D生態觀測與建模中的應用與潛力。適合對LiDAR與生態遙感的同學研讀，從而快速瞭解該領域的發展與現狀。發表於遙感界當前IF最高的top期刊IEEE Geoscience and Remote Sensing Magazine 。
背景：短期暴露於PM2.5已與人類發病率和死亡率廣泛相關。但是，大多數最新研究都是在每天的時間範圍內進行的，而忽略了暴露和結果的日內變化。作爲PM2.5中的重要組成部分，尚未對PM1在幾個小時內的非常嚴重的影響進行過研究。方法：2015-2016年，從中國廣州收集了針對特定規模的PM（即PM1，PM2.5和PM10），全因急診室（ED）的就診和氣象因素的每小時數據。進行了時間分層的病例交叉設計，並進行了條件邏輯迴歸分析，以評估特定大小的PM和ED訪視之間的每小時關聯，並調整了每小時平均溫度和相對溼度。進行了按年齡，性別和季節分層的亞組分析，以確定潛在的影響因素。結果：總共包括292,743例急診就診。特定尺寸顆粒物的影響表現出高度相似的滯後模式，其中估計的比值比（OR）從滯後0–3到4–6 h略有上升，隨後隨着滯後時間的延長而衰減爲零。與PM2.5和PM10相比，PM1對急診就診的影響略大。例如，在滯後0–3小時，急診就診次數增加了1.49％（95％置信區間：1.18-1.79％），1.39％（1.12-1.66％）和1.18％（0.97-1.40％），與10- PM1，PM2.5和PM10分別升高μg/ m3。我們已經發現，隨着季節的變化，效果顯着變化，與寒冷月份（1.010，1.005至1.015）相比，在寒冷月份（1.017，1.013至1.021），與PM1相關的OR值更大。結論：我們的研究提供了關於PM1暴露在幾個小時內對人體健康的不利影響的全新證據。在寒冷的月份，與PM相關的作用明顯更強。這些發現可能有助於衛生政策制定者建立每小時的空氣質量標準並優化緊急醫療資源的分配。PM1對急診就診的影響，PM1是當前還不那麼受重視的大氣污染物。但是不能忽視的是它對健康的影響，這樣子的污染暴露研究是非常具有前瞻性的。
植物表型學是將植物基因組學與環境研究聯繫起來的新途徑，從而改善了植物育種和管理。遙感技術改善了高通量植物的表型。但是，三維（3D）表型的準確性，效率和適用性仍然具有挑戰性，尤其是在現場環境中。隨着設施和算法的快速發展，光檢測和測距（激光雷達）爲3D表型提供了強大的新工具。在農業中，已經進行了許多努力來研究使用激光雷達的結構和功能表型的靜態和動態變化。這些進展還改善了跨不同時空尺度和學科的3D植物建模，提供了與基因的關聯和環境實踐分析的更輕鬆，更便宜的方法，併爲育種和管理提供了新見識。除了農業表型以外，激光雷達在林業，園藝和草類表型方面也顯示出巨大的潛力。儘管激光雷達在植物表型和建模方面已取得了顯着的進步，但基於激光雷達的表型在育種和管理中的綜合應用尚未得到充分探索。我們確定了基於激光雷達的表型開發中的三個主要挑戰：1）開發低成本，高時空和高光譜激光雷達設施，2）進入多維表型並努力生成新的算法和模型，以及3）擁抱開源和大數據。郭慶華老師組的成果，發表於遙感top期刊ISPRS攝影測量與遙感上。關於LiDAR應用在植物表型學上的優勢，進展和前景。感興趣的同學可以閱讀從而快速入門該領域。
我們構建了近實時的每日CO2排放數據集，即Carbon Monitor，以監測自2019年1月1日以來國家層面的化石燃料燃燒和水泥生產所產生的CO2排放變化，每日覆蓋近乎全球基礎和經常更新的潛力。每天的二氧化碳排放量是根據各種各樣的活動數據估算得出的，其中包括31個國家/地區的每小時到每天的發電數據，62個國家/地區的月度生產數據和行業過程的生產指數以及該州的每日流動性數據和流動性指數。全球416個城市的地面運輸。各個飛行位置數據和月度數據用於航空和海上運輸部門的估算。此外，還使用針對206個國家/地區的每日氣溫進行校正的月度燃料消耗數據來估算商業和住宅建築的排放量。這個碳監測器數據集通過受工作日和節假日以及COVID-19大流行的不斷髮展影響的每日，每週和季節性變化來顯示CO2排放的動態性質。 Carbon Monitor近實時CO2排放數據集顯示，與2019年同期相比，2020年1月1日至6月30日全球CO2排放量下降了8.8％，並在4月下旬檢測到CO2排放量的回升，主要是這歸因於中國經濟活動的復甦以及其他國家/地區部分禁售的放鬆。每日更新的二氧化碳排放數據集可以爲相關科學研究和政策制定提供一系列機會。清華大學劉竹老師團隊開發的近實時每日CO2排放數據集。有對應的一篇NC論文，感興趣的可以看，本篇論文主要描述數據。
人們越來越意識到城市的綠色空間對居民的健康有益。儘管大量研究集中在綠地數量上，但對綠地質量的關注卻很少。現有的評估綠地質量的方法要麼是勞動密集型的，要麼是費時的。這項研究開發了一種新的機器學習方法，可基於從中國廣州收集的街景圖像來評估綠地質量。它還檢查了綠地暴露差異是否與鄰里社會經濟地位（SES）相關。驗證過程表明，我們的評分系統在預測訓練數據以外的基於街景的綠地質量方面達到了很高的準確性。結果還表明，聚集的NDVI（歸一化植被指數），街景綠色量和質量之間在空間分佈上存在明顯差異。迴歸模型表明，鄰域SES與NDVI不相關。儘管鄰里SES與街景綠色量和質量指標值都相關，但街景綠色質量對鄰里SES的變化更爲敏感。我們的工作表明，建議政策制定者和規劃者更多地關注城市地區的綠地質量和綠地暴露差異。中山大學劉曄老師團隊的研究，利用街景圖像評估綠地質量，以及分析綠地暴露差異與社會經濟地位的關係，比較新的研究。後續可以與健康數據關聯。
背景：青春期男性通常被認爲在醫療上不那麼容易受害，導致社區保健減少，但是環境意識（準備和知識）對空氣污染風險自我預防策略的影響更大。但是，社會環境經驗可以改變對環境的主觀理解，從而改變他們的環境意識。方法：採用兩階段分析來評估社會環境觀念對551名青春期男性的空氣污染風險的準備和知識的影響。在第一階段，我們用高斯迴歸評估對整體準備和知識的影響，在第二階段中，我們用二項式迴歸評估具體的準備和知識。結果：第一階段分析表明，社會環境觀念影響了整體準備，但沒有影響整體知識。尤其是，對自己的環境知識瞭解程度低，會對整體準備產生負面影響，而對於較大的家庭而言，可以感知地對整體準備產生積極影響。第二階段的分析進一步暗示了感知，準備和知識之間的複雜機制。具體而言，家庭周圍的室外空氣質量較差，以及對自己的環境瞭解不足，會對照料家庭成員的具體準備產生不利影響。本身對環境的瞭解不足，也會對室外空氣污染的防範以及對能見度，口罩，心血管疾病和死亡風險的瞭解產生負面影響。惡劣的室內環境會對戴口罩的準備工作產生負面影響。但是，參加很少的體育活動會對戴口罩的準備工作以及戴口罩，溫室氣體和對流層臭氧的知識產生負面影響，但對朦朧的日子對戶外活動的準備產生積極影響。可以看出，低中學歷對對流層臭氧的知識產生了積極影響。父母和大家庭對環境的瞭解不足，也對特定的準備產生了積極影響。家裏室內空氣質量差對死亡風險的認識產生積極影響。結論：由於青春期男性的準備和知識的複雜性，應有針對性地制定進一步的環境和健康行動（例如社區服務，環境教育和健康研討會），並採取適當的預防策略。一項分析高密度城市裏男性社會和環境觀念對空氣污染風險防範和知識影響的研究，社會經濟地位對健康認知影響的研究。
背景：城市溫室氣體（GHG）排放的量化是應對氣候變化的重要任務。包括空間上明確的排放估算在內的排放清單有助於準確跟蹤排放變化，識別排放源以及制定減緩氣候變化的政策。當前許多可用的網格化排放估算是基於國家或州範圍內排放估算的分類，這可能有助於描述城市範圍內的排放，但在跟蹤國家以下各級的變化方面價值有限。因此，應該採用真正的自下而上的方法對城市溫室氣體排放進行量化。結果：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，空間顯式估計。收集了點（例如發電廠和廢物焚化爐），線路（主要是交通）和區域（例如住宅和商業區）源的空間明確的排放數據。排放是根據爲源位置計算的排放率繪製的。將活動，排放和空間數據進行了整合，並使用地理信息系統方法將結果可視化。結論：2014年東京都的FFCO2年度總排放量爲43916 Gg CO2，其中道路運輸部門（16323 Gg CO2）佔總量的37.2％。通過與日本東亞空氣污染物排放網格數據庫（EAGrid-Japan）和人爲CO2開源數據清單（ODIAC）進行比較，驗證了空間排放模式，這證明了該方法在整個國家其他地區的適用性。高分辨率空間顯示估計化石燃二氧化碳排放。基於點線面三者結合的空間排放清單編制。
在全球範圍內，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揮着越來越重要的作用。但是，由於缺乏或與能源相關的統計數據質量較低，尤其是對一些欠發達地區而言，量化城市一級的CO2排放通常是一項艱鉅的任務。爲了解決這個問題，本研究使用了一組開放訪問數據和機器學習方法來估計和預測中國整個城市的二氧化碳排放量。遞歸特徵消除和Boruta等兩種特徵選擇技術用於提取重要的關鍵變量和輸入參數，以模擬CO2排放。最後，從31個預測變量中選擇18個來建立CO2排放的預測模型。我們發現，城市環境污染的統計指標（如工業SO2和人均粉塵排放量）是預測中國城市水平CO2排放的最重要變量。與其他方法相比，XGBoost模型的估計精度最高，R2 R> 0.98，相對誤差較低（約0.8％）。通過組合地理空間和氣象插值預測變量（例如DEM，年平均降水量和氣溫），可以適度提高CO2排放預測精度。當其餘變量保持不變時，我們還觀察到城市人均二氧化碳排放量與城市經濟增長之間呈S型關係，而不是U型。本文提供的發現提供了概念的第一個證明，即在城市地區容易獲得的社會經濟統計記錄和地理空間數據具有藉助機器學習算法準確預測城市水平CO2排放的潛力。我們的方法可用於爲欠發達地區頻繁生成碳足跡圖，其中缺乏與能源相關的詳細統計數據，以協助政策制定者設計減少和分配碳排放量減少目標的具體措施。結合開放獲取數據和機器學習構建城市二氧化碳排放製圖。值得注意的是這裏得出人均碳排放量與經濟是S型關係，不是常見的U型。
已經提出將生態系統服務的概念納入規劃和管理實踐中，以此作爲改善城市生態系統管理的一種方式。然而，由於許多政治和技術障礙，該想法的採用緩慢。技術障礙之一是缺乏用於城市預測擬議政策和行動對城市生態系統服務影響的工具。爲了解決這一差距，我們基於社會生態模型框架開發了一種城市生態系統服務模型。以中國北京的PM2.5去除服務爲例，我們展示瞭如何使用此模型來模擬不同政策方案對特定生態系統服務的影響。我們的模擬結果表明，該城市生態系統貢獻的PM2.5去除服務可以幫助降低其社會系統中的PM2.5排放，從而形成了積極的反饋。在2016年至2035年期間，北京城市綠地提供的PM2.5清除服務在三種政策方案中有很大不同，包括照常營業，限制城市增長和調整能源結構。根據PM2.5清除服務的預測，我們得出結論，北京應優先考慮通過城市規劃限制城市增長的政策。我們的研究表明，從長遠來看，生態系統服務的反饋效應非常重要。此外，本研究開發的模型提供了一個有用的工具，可以模擬城市規劃和管理對城市生態系統服務的影響。清華大學楊軍老師團隊的成果，將社會生態模型應用到了生態系統服務當中，去分析PM2.5去除服務的影響。非常有意思的一篇論文，代碼也已開源，更詳細的內容可以參見楊軍老師團隊微信公衆號推送文章。
鑑於大部分人暴露在城市的PM2.5中都是在室內進行的，因此降低室內PM2.5的水平可能提供一種更可行，更直接的方法，以挽救因PM2.5暴露而造成的大量生命和經濟損失。我們旨在評估與實現新建立的中國室內空氣指南和一些假設的室內PM2.5指南值相關的過早死亡率和經濟損失的減少。我們使用2015年中國339個城市的1497個監測點的室外PM2.5濃度，結合穩態質量平衡模型，估算了室外滲透PM2.5的室內濃度。使用針對城市居民的省份特定時間活動模式，我們估算了室外和室內暴露於室外PM2.5的情況。然後，我們繼續使用基於人口普查的局部濃度響應模型和統計壽命估計值來計算整個中國城市PM2.5暴露引起的過早死亡和經濟損失。最後，我們通過滿足當前基於24小時的準則以及各種假設的室內PM2.5限值，估計了可避免的死亡率和相應的經濟損失。 2015年，在中國大陸城市地區，城市特定的室外和室內PM2.5年度平均濃度分別爲9-108μg/ m3和5-56μg/ m3。室內暴露每天佔總時間加權暴露的62％–91％，每年68％–83％。在每日室內濃度達到當前準則75μg/ m3、37.5μg/ m3和25μg/ m3的情況下，總死亡人數和經濟損失的潛在減少量爲16.9（95％CI：0.7-62.1）千，分別爲87.7（95％CI：9.7–197.7）千和165.5（95％CI：30.8–304.0）千。相應減少的經濟損失分別爲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。對於假定的室內PM2.5限值，死亡和經濟損失將在0–75μg/ m3範圍內成倍減少。研究結果表明，降低室內源自室外的PM2.5濃度在挽救中國大量生命和經濟損失方面是有效的。該分析提供了定量證據，以支持實施室內空氣質量指南或PM2.5。非常有意思的環境健康研究，結合居民時空行爲模式和室外室內PM2.5暴露的死亡和經濟損失。同時考慮室內室外的一個非常全面的空氣污染暴露研究。
15.Mapping routine measles vaccination in low- and middle-income countries/繪製低收入和中等收入國家的常規麻疹疫苗圖
自1974年以來，全球一直在推薦使用安全，高效的麻疹疫苗，但在2017年，五歲以下兒童中有超過1,700萬例麻疹病例和83,400例死亡，其中超過99％的病例發生在中低等收入國家（LMIC）1,2,3,4。對於常規的首劑含麻疹疫苗（MCV1）覆蓋率而言，全球可比性，年度和本地估計對於瞭解地理精確的免疫模式，朝着實現全球疫苗行動計劃（GVAP）的目標以及在干擾中處於高風險地區至關重要接受由冠狀病毒病2019（COVID-19）引起的疫苗接種計劃5,6,7,8。在這裏，我們對101箇中低收入國家從2000年至2019年的5×5 km2像素和第二行政級別的常規兒童期MCV1覆蓋率進行了年度估算，量化了地理不平等並通過地理偏遠性評估了疫苗接種狀況。在從2000年到2010年獲得MCV1廣泛普及之後，2010年至2019年之間，一半以上的地區覆蓋率下降，使得許多中低收入和中等收入國家遠離GVAP目標，即到2019年所有地區覆蓋率達到80％。農村地區的MCV1覆蓋率低於城市地區儘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；提供基本疫苗接種服務的策略應針對兩種地理環境。這些結果爲決策者提供了加強常規MCV1免疫計劃併爲所有兒童提供公平疾病保護的工具。疫苗覆蓋率的疾病負擔小組的分析結果，基於多源數據結合地統計模型實現了101箇中低收入國家2000-2019年5公里的麻疹疫苗覆蓋地圖。
16.Spatial and Temporal Analysis of Lung Cancer in Shenzhen, 2008–2018/2008-2018年深圳市肺癌的時空分析
肺癌是中國最常被診斷出的癌症。中國南方地區肺癌的發病趨勢和地理分佈尚未見報道。本研究探討了2008年至2018年深圳肺癌發病率的時間趨勢和空間分佈。肺癌發病率數據是從2008年至2018年在深圳癌症登記系統中登記的人口中獲得的。肺癌的標準化發病率使用聯接點回歸模型進行了分析。 Moran的I方法用於空間自相關分析，並進一步繪製了深圳的空間聚類圖。從2008年到2018年，肺癌的平均原始發病率爲27.1（1 / 100,000），年百分比變化爲2.7％（p <0.05）。組織學類型肺癌的最大平均比例被確定爲腺癌（69.1％），女性觀察到呈上升趨勢，年平均變化率爲14.7％。空間自相關分析表明，深圳的一些地點是高發生率的空間聚類區。瞭解肺癌的發病模式有助於監測和預防。深圳市肺癌的時空分析，結合時空統計模型挖掘疾病流行模式。
建築物是遙感（RS）圖像中最重要的景觀之一，並且在從城市規劃到其他社會經濟研究的廣泛應用中得到了廣泛的分析。隨着超高分辨率（VHR）RS圖像變得越來越容易獲得，當前的建築物提取方法面臨着複雜場景中各種外觀，不同比例和複雜建築物結構的挑戰。隨着上下文感知深度學習方法的發展，許多著作已證明捕獲上下文信息可以提供空間關係線索，以對對象進行可靠的識別和檢測。在本文中，我們提出了一種新穎的本地-全局雙流網絡（DS-Net），該網絡可以自適應地捕獲本地和遠程信息，以便在VHR RS圖像中準確繪製建築物屋頂。 DS-Net的本地分支和全局分支以互補的方式相互配合，在輸入圖像上具有不同的視野。通過定義明確的雙流體系結構，DS-Net可以學習本地和全球分支機構的分層表示形式，並且進一步開發了深度功能共享策略以強制兩個分支機構進行更多的協作集成。進行了廣泛的實驗以驗證我們的模型在三個廣泛使用的VHR RS數據集上的有效性：馬薩諸塞州建築物數據集，Inria航空影像標籤數據集和DeepGlobe建築物檢測挑戰數據集。從經驗上講，在定量測量和視覺評估方面，與當前的最新技術相比，擬議的DS-Net具有競爭性或優越的性能。一個新的神經網絡用於VHR遙感圖像提取建築物。武大張良培老師團隊的成果。從結果上看，是一個非常不錯的神經網絡模型。