Coding and Paper Letter（十四）

資源整理。

1 Coding:

1.R語言包ungeviz，ggplot2的拓展包，專門用來做不肯定性的可視化。

ungeviz

2.計算機圖形學相關開源項目。

計算機圖形學光線追蹤開源項目C++源碼。

computer graphics ray tracing

計算機圖形學格網開源項目C++源碼。

computer graphics meshes

計算機圖形學介紹開源項目。

computer graphics

3.R語言包GLMMadaptive，基於自適應高斯積分的廣義線性混合模型。

GLMMadaptive

4.R語言包walkr，在n-simplex和hyperplanes的交集中實現了MCMC隨機遍歷。

walkr

5.最全的中華古典文集數據庫, 包含5.5萬首唐詩、26萬首宋詩和2.1萬首宋詞. 唐宋兩朝近1.4萬古詩人, 和兩宋時期1.5K詞人. 數據來源於互聯網。

chinese poetry

6.R語言包rworldmap，繪製全球數據的R包。

rworldmap

7.基於Go的快速生成delaunay三角的算法實現。

delaunay

8.R語言包sigmaNet，在R中用sigma.js渲染igraph的對象。

sigmaNet

9.Pysal裏的廣義線性迴歸模型模塊。

spglm

10.Giddy是一個開源python庫，用於分析緯向空間數據的動態。 源於PySAL（Python空間分析庫）中的空間動力學模塊，正在積極開發包含新提出的分析，這些分析考慮了空間在分佈演變中的做用。

griddy

11.用於可視化數據的代碼和教程。

RainCloudPlots

12.R語言包collections，R的高性能容器數據類型。

collections

13.Python項目pangeo example notebooks，用於pangeo-data / helm-chart的jupyternotebook。

pangeo example notebooks

14.Pythone庫pyGeostatistics，python裏的地統計學包。

pyGeostatistics

15.Python項目landsat ingestor，用於將Landat數據提取到Amazon公共託管中的腳本和其餘工具。

landsat ingestor

16.R語言包vctrs，vctrs的短時間目標指定了組合不一樣類型向量的函數。

vctrs

17.R語言包worldtilegrid,ggplot2的拓展包，專門針對世界瓦片格網。

worldtilegrid

18.Geostat18完整的資料連接。詳情能夠見官網。

geostat18 links

19.Python庫keras工具箱，深度學習框架。

keras toolbox

20.R語言包GSIF，全球土壤信息數據庫。

GSIF

21.ECPR暑期學校：社會科學的大數據分析。

ECPR SC105

22.Python庫radarpy，處理radar的Python工具。

radarpy

23.R語言包uavRst，無人機相關遙感工具箱。

uavRst

2 Paper:

1.Spatial association detector (SPADE)/空間關聯探測器

發表於IJGIS上的一篇論文，介紹了由地理探測器改進而來的空間關聯探測器，是針對地理探測器的一些問題作的改進。主要是羅衛老師和他的團隊提出的，我後面會詳細解讀此文。

2.Using Google Earth Engine for Landsat NDVI time series analysis to indicate the present status of forest stands/利用Google Earth Engine作Landsat NDVI的時間序列分析來分析林分的現狀

這篇文章是國外本科生的畢業設計。該研究使用了GEE與Landsat 5和8圖像一塊兒用於研究德國三個研究區域的歸一化差別植被指數（NDVI）隨時間的變化。

3.Land-cover mapping using Random Forest classification and incorporating NDVI time-series and texture: a case study of central Shandong/利用隨機森林分類結合NDVI時間序列和紋理進行土地覆蓋製圖 - 以山東中部爲例

複雜農業區的土地覆蓋製圖是一項艱鉅的任務，由於植被複雜，山體湍急，河流快速流動，須要一種精確分類複雜土地覆蓋的方法。隨機森林分類（RFC）具備分類準確率高和在土地覆蓋製圖中測量變量重要性的能力。本研究使用RFC對複雜農業區域的土地覆蓋製圖進行了歸一化差別植被指數（NDVI）時間序列和灰度共生矩陣（GLCM）紋理變量的加法評估。在此基礎上，選擇最佳分類模型，提取山東中部的土地覆蓋分類信息。爲了探索哪些輸入變量爲複雜農業區的土地覆蓋分類提供最佳準確度，咱們評估隨機森林變量的重要性。結果代表，不只加入多時相圖像和地形變量，並且加入GLCM紋理變量和NDVI時間序列變量。對隨機森林分類器重要性的評估代表，關鍵輸入變量爲夏季NDVI，隨後是夏季近紅外波段和海拔，以及GLCM均值，GLCM對比度。中山大學劉小平老師團隊的成果，針對土地覆被的分類研究，主要是在特徵工程上增長了NDVI時間序列和灰度共生矩陣的一些紋理變量。

4.A Forest Attribute Mapping Framework: A Pilot Study in a Northern Boreal Forest, Northwest Territories, Canada/森林屬性製圖框架：加拿大西北地區北方北方森林的樣地研究

提出了一種方法框架，利用樣地，機載光探測和測距（LiDAR）以及星載地球科學激光高度計系統（GLAS）數據來估算加拿大北部20 Mha地區的森林屬性。實施該框架是爲了將森林屬性模型從現場數據擴展到交叉的機載LiDAR數據，而後擴展到GLAS足跡。 GLAS數據被順序過濾並提交給k-最近鄰（k-NN）插補算法，以產生30米分辨率的林分高度和樹冠閉合的區域估計。根據獨立的機載LiDAR數據評估獲得的輸出，以評估林分高度的平均估計值和冠閉合。做爲主要植被類型和生態區域的函數進行了額外的評估，以進一步評估區域產品。這些屬性構成了森林清查繪圖程序典型的主要描述性結構屬性，並提供了在北方寒帶地區如何得出這些屬性的信息。機載和星載激光雷達數據的耦合研究。關於不肯定性製圖的思路值得借鑑。