Coding and Paper Letter（十九）

資源整理。接上篇，這篇博客主要關注論文。

Paper:

1.Spatial-Spectral Fusion by Combining Deep Learning and Variation Model/結合深度學習和變異模型的空間光譜融合

在空間光譜融合領域，基於模型的方法和基於深度學習（DL）的方法是最早進的。本文提出了一種融合方法，將深度神經網絡結合到基於模型的方法中，用於空間光譜融合中最多見的狀況：PAN /多光譜（MS）融合。具體來講，咱們首先經過深度殘差將高空間分辨率全色圖像（HR-PAN）和低空間分辨率多光譜圖像（LR-MS）的梯度映射到高空間分辨率多光譜圖像（HR-MS）的梯度卷積神經網絡（CNN）。而後咱們經過LR-MS圖像，從梯度網絡學習的梯度和理想的融合圖像構建融合框架。最後，使用迭代優化算法來求解融合模型。對來自各類來源的高質量圖像的定量和視覺評估代表，所提出的融合方法在總體融合精度方面優於比較中包括的全部主流算法。武漢大學張良培老師團隊的成果，利用深度學習進行空間和光譜融合，光譜級的融合目前還只是初探，是個很不錯的嘗試。以前見過NASA官方在利用MODIS的一些歷史數據進行相似的工做，這方面的嘗試值得探究。

2.A proportional odds model of human mobility and migration patterns/人類流動和遷移模式的proportional odds模型

因爲其重要性，人類流動和遷移模式的建模受到了不少關注。儘管進行了長期努力，咱們仍然缺少一個可以捕捉流動模式的建模框架，並進一步得到有關各類影響因素的運動趨勢的前瞻性觀點。在這裏，咱們提出了人類遷移和遷移的比例機率模型（POM-HM），它採用機率方法來模擬人類運動。咱們的模型基於遷移機率，在比率機率假設下具備對數 - 邏輯分佈。經過從新參數化機率分佈函數將解釋變量引入到模型中。兩個由此產生的函數，即遷移強度和累積危險，用於估計旅行流量及其趨勢之間的區域差別。研究了POM-HM在有效性和準確性方面的性能，並與重力模型和輻射模型進行了比較。基於機率的建模框架使咱們可以研究移民流量的區域變化，從而進一步預測潛在的將來模式。簡而言之，咱們的建模方法捕捉了人類流動和遷移的機率性質，並進一步加深了咱們對人口遷移的時空模式和各類驅動力的影響的理解。地理所馬廷老師的成果，發表於GIS界Top期刊IJGIS，基於機率統計建模來反映人類的mobility和migration，馬廷老師自在給咱們上課的時候就是專攻統計方面的知識，很好的數理基礎創建的模型。值得細細研究。

3.8 million phenological and sky images from 29 ecosystems from the Arctic to the tropics: the Phenological Eyes Network/從北極到熱帶的29個生態系統中的800萬個物候和天空圖像：物候眼網絡

咱們報告了從北極到熱帶的各類生態系統中經過物候眼網絡（http://www.pheno-eye.org，2018年5月29日訪問）的延時攝像機拍攝的長期連續物候和天空圖像。物候圖像可用於記錄開花時間，葉片沖洗，葉子着色和落葉的年度變化，並檢測物種和生態系統中物候模式和時間敏感性的特徵。它們還能夠幫助解釋陸地生態系統中碳，水和熱循環的變化，並用於獲取衛星觀測產品驗證的地面實況數據。天空圖像可用於連續記錄大氣條件並得到地面實況數據，以驗證衛星遙感數據中存在的雲污染和大氣噪聲。咱們採用天空，森林樹冠，森林地面，拍攝一系列樹種和景觀的圖像，使用安裝在森林地面，塔樓和屋頂上的延時攝像機。自1999年以來，共有29個站點的84個延時攝像機拍攝了800萬張圖像。咱們的圖像提供了（1）植物物候的長期，連續詳細記錄，這些記錄比指數樹的原位視覺物候觀測更加定量; （2）解釋生態系統檐篷及其功能和服務對氣候變化的響應能力，脆弱性和回覆力的基本信息; （3）用於驗證衛星遙感觀測的地面實況。利用延時攝影數據，研究不一樣生態系統，尤爲是植物物候，除了文章自己以外，文章介紹的數據是關鍵。很是不錯的長期觀測數據，正如文章提到的，能夠爲當前不少生態研究提供數據包括驗證衛星遙感觀測。關於利用照片來進行研究的一些案例在植被物候方面尤爲多，當今圖像識別和人工智能如此火爆的時代，相信這個數據會迸發出更大的潛力。另外比較有意思的應該是在去年R語言會議分會場上，狗熊會朱雪寧博士分享的一個他們利用手機拍攝天空，獲取可見度和PM2.5校準匹配的研究。

4.Hyperspectral Image Denoising Employing a Spatial-Spectral Deep Residual Convolutional Neural Network/利用空間光譜深度殘差卷積神經網絡進行高光譜圖像去噪

高光譜圖像（HSI）去噪是一種關鍵的預處理程序，用於改善後續HSI解釋和應用的性能。在本文中，經過組合空間譜深度卷積神經網絡（HSID-CNN）學習噪聲和乾淨HSI之間的非線性端到端映射，提出了一種基於深度學習的新方法。空間和頻譜信息都同時分配給建議的網絡。此外，多尺度特徵提取和多級特徵表示分別用於捕獲多尺度空間光譜特徵和融合最終恢復的不一樣特徵表示。仿真和實際數據實驗代表，所提出的HSID-CNN在定量評價指標，視覺效果和HSI分類準確性方面均優於許多主流方法。依舊是武大張良培老師團隊的成果，張良培老師團隊最近在利用深度學習處理遙感數據有很多成果，這裏是對高光譜去噪的應用，使用的是深度殘差卷積神經網絡。發表於遙感界Top期刊IEEE TGRS上。

5.Unveiling Cabdrivers’ Dining Behavior Patterns for Site Selection of 「Taxi Canteen」 Using Taxi Trajectory Data/利用出租車軌跡數據揭示Cabdrivers的「出租車食堂」選址行爲模式

近年來，中國的一些大城市創建了一些「出租車食堂」，這是一個特殊的自助餐廳，僅供駕駛員用餐和休息。在適當的時間用餐和休息是長時間連續駕駛的駕駛員最關心的問題之一，由於長時間的用餐延誤可能會影響他們的健康和駕駛安全，長途搜索餐館會增長出租車交通和空氣污染和任意停車用餐將被罰款，甚至可能致使危險的交通事故。 「出租車食堂」的創建有望緩解這些問題。然而，使用基於GPS的出租車軌跡數據檢查和優化出租車食堂的選址幾乎沒有作什麼。本文介紹了一種在整個城市中分配「出租車食堂」的數據驅動方法，其主要目標是最小化從出租車軌跡和相應的最近「出租車食堂」位置識別的全部就餐需求位置之間的總距離。咱們提出了一種用餐事件檢測方法，該方法使用支持向量機（SVM）考慮四個特徵，並進一步識別出駕駛員用餐行爲的時空模式，即時間規律性和週期性以及用餐區域的空間分佈。提出了一種約束優化模型來選擇「出租車食堂」的位置。在中國武漢進行了一個案例研究，以評估駕駛員用餐行爲模式的識別如何支持「出租車食堂」的選址。結果代表該方法具備優越的性能。該方法將爲交通管理和規劃部門提供有用的決策支持，以幫助解決駕駛員的用餐問題。大數據用在傳統GIS問題的一個典型案例。傳統GIS問題：資源分配或者調配。可是用了出租車軌跡的大數據以及機器學習算法。同時又是基於時間地理學的研究。我以爲大數據時代的研究，就應該把這些數據用到合適的地方。這篇文章提供了一個很是不錯的案例。

6.Population dynamics based on mobile phone data to improve air pollution exposure assessments/基於手機數據的人口動態改善空氣污染暴露評估

空氣污染是當今城市面臨的最大挑戰之一，改善空氣質量是減小負面健康影響的迫切須要。爲了有效地評估哪些是減小城市污染源（如道路交通）影響的最合適的政策，必須進行嚴格的人口暴露評估。與這些研究相關的主要限制之一是缺少有關當天城市人口分佈的信息（人口動態）。移動設備在咱們平常生活中的廣泛使用爲收集大量匿名和被動收集的地理定位數據提供了新的機會，能夠分析人口活動和移動模式。本研究提出了一種基於以用戶爲中心的移動模型方法估算手機數據的人口動態的新方法。該方法在馬德里市（西班牙）進行了測試，以評估人口暴露於NO2。與傳統的基於人口普查的方法進行比較，顯示出按分類水平存在的相關差別，並強調了將流動模式歸入人口暴露評估的必要性。這個研究與以前衆山小翻譯的一篇很像，我差點覺得是同一篇，不事後面發現彷佛略有差別。首先來講關於手機數據和人口暴露評估，是近年來大數據興起健康地理一個很熱的研究方向。也值得咱們關注。總的來講，考慮細時間粒度，高精細空間分辨率的人口分佈模式，是將來也是智慧城市的關鍵點。

Coding and Paper Letter（十）的第11篇論文能夠對比。

7.Mapping and modelling the habitat of giant pandas in Foping Nature Reserve, China/中國佛坪天然保護區大熊貓棲息地的製圖與建模

中國西部只剩下大約1000只大熊貓和29500平方千米的大熊貓棲息地，這是拯救這種瀕臨滅絕的動物物種並保護其棲息地的迫切問題。爲了有效保護大熊貓及其棲息地，必須對每隻大熊貓天然保護區的大熊貓棲息地和熊貓棲息地關係進行全面評估。製圖一直是野生動物棲息地評估和監測的有效方法。所以，製圖也是評估大熊貓棲息地的一個重要步驟，並進一步用於分析熊貓棲息地關係。只有佛坪天然保護區專一於這項研究。本研究的目標是：（1）開發一種高精度的製圖方法，能夠利用GIS中的多類型數據（遙感數據，數字地形數據，無線電跟蹤數據和實地調查的地塊數據）繪製大熊貓棲息地; （2）研究熊貓運動模式; （3）分析大熊貓棲息地的使用和選擇。清華大學劉雪華老師的成果，看着彷佛像是學位論文或報告。劉雪華老師一直專一於分析大熊貓棲息地，目前在這方面取得了不少成果，目前利用GIS在這方面，結合景觀生態有不少研究。InVEST之類的提供了生境風險的一些模型。

8.Linear urban models/線性城市模型

開發了一類線性模型，其中活動源自彼此的變換和外源活動。 使用人口和就業的空間分佈來講明模型。 推導出簡化形式，並經過外生和內生變量的平衡以及經過對特徵結構的分析來探索不一樣變換對空間模型解的影響。 包括傳統Lowry模型和Coleman社會交換模型在內的十種模型類型應用於墨爾本的八區表示，分析用於顯示模型解決方案如何在空間上獨立於其輸入。Michael Batty院士83年的成果，Batty院士是GIS空間分析和城市規劃科學方面的大牛，一手創立了UCL的CASA。而這個模型讓我想起了前一段看到的一個模型變式，我想科學進步應該是化繁爲簡，而不是逐步複雜。

9.An Improved Spatial and Temporal Reflectance Unmixing Model to Synthesize Time Series of Landsat-Like Images/一種改進的時空反射解混模型合成Landsat-Like圖像的時間序列

空間和時間分辨率之間的權衡限制了Landsat圖像密集時間序列的採集，並限制了及時正確監測地表動態的能力。時空圖像融合方法爲須要高空間和時間分辨率圖像的應用生成密集時間序列的相似Landsat的圖像提供了成本有效的替代方案。時空反射解混模型（STRUM）是一種基於空間解混的時空圖像融合方法。由STRUM導出的時間變化圖像缺少光譜可變性和空間細節。本研究提出了一種改進的STRUM（ISTRUM）結構，經過考慮地表空間異質性並綜合Landsat圖像的光譜混合分析來解決該問題。在ISTRUM中也考慮了具備多個Landsat和粗分辨率圖像對（L-C對）的傳感器差別和適用性。實驗結果代表，與STRUM獲得的圖像相比，ISTRUM獲得的圖像包含更多的光譜變異性和空間細節，提升了融合Landsat樣圖像的準確性。端元可變性和滑動窗口尺寸是影響ISTRUM精度的因素。經過將它們設置爲不一樣的值來評估因子。結果代表，ISTRUM對於端部變異是穩健的，而且能夠應用Landsat圖像的公開發布的終端成員（全球SVD）。只有滑動窗口大小對ISTRUM的準確性有很大影響。此外，將ISTRUM與空間時間數據融合方法（STDFA），加強型空間和時間自適應反射融合模型（ESTARFM），混合色彩映射（HCM）和靈活時空數據融合（FSDAF）方法進行了比較。 ISTRUM優於STDFA，在時間變化顯着，與ESTARFM至關且略遜於FSDAF的狀況下略優於HCM。然而，ISTRUM的計算效率遠高於ESTARFM和FSDAF。 ISTRUM能夠在全球範圍內合成相似Landsat的圖像。一種新的時空影像融合模型。

10.Toward space-time buffering for spatiotemporal proximity analysis of movement data/經過時空緩衝區進行移動數據的時空鄰近分析

用於肯定時空鄰近路徑的時空鄰近分析是許多移動分析方法的關鍵步驟。然而，在文獻中已經開發了幾種用於移動數據的時空鄰近度分析的有效方法。所以，本研究提出了一種時空綜合方法，用於同時考慮空間和時間維度的時空鄰近度分析。所提出的方法基於時空緩衝區，這是傳統空間緩衝操做對空間和時間維度的天然延伸。給定時空路徑和空間容差，空時緩衝經過爲沿時空路徑的任何位置連續生成空間緩衝區來構建時空區域。構造的時空區域能夠界定到目標軌跡的空間距離小於給定公差的全部時空位置。根據時空路徑的不一樣時空鄰近度量，例如Fréchet距離和最長公共子序列，提出了基於此時空緩衝的五個時空重疊操做來檢索全部時空近端軌跡到目標時空路徑。該方法擴展到分析道路網絡中受限的時空路徑。採用壓縮線性參考技術實現所提出的大運動數據集中的時空鄰近分析方法。使用真實世界運動數據的案例研究驗證了所提出的方法能夠有效地從大型運動數據庫中檢索在道路網絡中受約束的時空鄰近路徑，而且與傳統的時空分離方法相比具備顯着的計算優點。將二維空間分析拓展到時空間分析的一個嘗試和方法，緩衝區的思想結合上時間維創造出的時空緩衝區，是一個頗有意思的點。

11.Urban sustainability and human health in China, East Asia and Southeast Asia/中國，東亞和東南亞的城市可持續發展與人類健康

致使人口變化的城市化將對人類健康產生深遠影響，併爲城市可持續發展帶來挑戰。咱們回顧了目前在中國，東南亞和東亞地區對此問題的研究。東亞國家的城市化爲改善人口健康提供了許多機會。然而，它也與健康風險有關，包括空氣污染，職業危害和交通傷害，以及飲食和社會變化引發的風險。東南亞是新發傳染病的熱點，中國也因其人口規模而成爲全球傳染病負擔的主要來源。農村 - 城市移民與城際或國際旅行相結合，可能致使農村和城市地區之間，甚至全世界城市之間更普遍的傳染病蔓延。從城市環境規劃的角度來看，塑造城市走向健康的將來能夠幫助實現可持續發展目標。日本提供了許多關於公民如何保持健康的例子，例如全民醫療保險覆蓋面，不一樣社會經濟羣體之間的差距減小以及強大的社區關係。因爲地理和歷史的不一樣，健康情況和衛生系統每每在東南亞國家內部和內部發生分歧。比較早的城市可持續發展與人類健康的綜述性文章。

12.Validating canopy clumping retrieval methods using hemispherical photography in a simulated Eucalypt forest/在模擬的桉樹林中使用半球攝影驗證冠層叢生反演方法

所謂的彙集因子（Ω）量化了植被冠層中材料的隨機3D分佈的誤差，所以表徵了冠層內空隙的空間分佈。 Ω對於將有效的植物或葉面積指數轉換爲實際的LAI或PAI是必不可少的，以前已經證實這對於在森林，林地和稀樹草原中使用光學遙感技術的生物物理參數反演具備顯着影響。在這裏，應用仿真框架來評估現有的原位彙集反演方法在具備高度建築現實性的3D虛擬森林冠層中的性能。使用來自澳大利亞東部Box Ironbark桉樹林的經驗數據重建虛擬冠層。半球形攝影（HP）因爲其無處不在的間接LAI和結構反演而被評估。使用基於不一樣莖分佈和LAI的一系列結構配置來評估角結束反演方法性能。具備15°的區段尺寸的CLX彙集反演方法（Leblanc等，2005）是表現最佳的彙集方法，將參考值與平均近頂點的0.05Ω相匹配。對於全部結構配置，在75°時，結塊偏差與天頂角線性增長至>0.3Ω（至關於30％PAI偏差）。在較大的天頂角處，當從55-60°天頂角導出時，PAI偏差平均爲約25-30％。所以，建議仔細考慮HP使用的天頂角範圍。咱們建議製圖或場地彙集因子應該伴隨用於從空隙尺寸和空隙尺寸分佈方法推導出它們的天頂角。此外，在1米的非表明性大樹莖中捕獲的HP中發現了更大的偏差和誤差，所以在實踐中應儘量避免這些狀況。這個事實上是在定量遙感和遙感物理中目前仍然很難從光學遙感攻克的難點，事實上涉及到光學幾何模型，屬於定量遙感的光學幾何模型學派，而非輻射傳輸模型學派。可是光學幾何模型一般在進行假設時對實際地物的幾何模型作了大量簡化，致使不少時候與地表的實際狀況差別巨大，這裏就是一個很典型的例子了，這篇文章作了很是不錯的工做，所以也發在了農林領域Top期刊Agricultural and Forest Meteorology上。

13.Improved Salient Feature-Based Approach for Automatically Separating Photosynthetic and Nonphotosynthetic Components Within Terrestrial Lidar Point Cloud Data of Forest Canopies/改進的基於突變特徵的森林冠層陸地激光雷達點雲數據自動分離光合和非光合成分的方法

從三維地面激光掃描（TLS）數據中準確分離森林冠層中的光合做用和非光合做用成分是一項挑戰，但對於瞭解森林的輻射情況，光合做用過程以及碳和水交換的空間分佈相當重要。篷。本文的目的是經過僅根據其幾何信息添加兩個額外的過濾器來改進目前在森林冠層TLS數據中分離光合和非光合成分的方法。經過比較所提出的方法與特徵值加上基於顏色信息的方法，咱們發現所提出的方法能夠有效地將總體生產者的準確度從62.12％提升到95.45％，而且總體分類生產者的準確性將從84.28％增長到97.80％。森林葉面積指數（LAI）從4.15降至3.13。此外，樹種的變異對最終分類準確性的影響能夠忽略不計，如針葉樹（93.09％）和闊葉樹（94.96％）的總體生產者準確性所示。爲了定量地去除森林冠層中木質材料對改進基於TLS的LAI估計的影響，咱們還基於來自單個樹的分類線性類點計算「木質與總面積比」。森林點雲數據集的自動分類將有助於TLS在反演三維森林冠層結構參數（包括LAI和葉片和木質面積比）方面的應用。比較少見的在激光雷達當中結合了森林生態特徵作了分析的一篇文章。目前比較公認的是激光雷達更可能是獲取森林的幾何結構特徵，我的以爲SAR也偏向於幾何結構特徵，而高光譜則是獲取森林的生物物理參數（光譜敏感性）。因此目前基於激光雷達數據的文章，大部分都是從如何提升提取幾何結構特徵的精度進行的，尤爲在各種算法上，固然也已經有很多論文結合了多類數據進行融合，從而提高精度。而這篇文章頗有意思的點就是利用LiDAR數據以及對森林生理結構的瞭解，人工設置了一種方法來提高提取精度。我以爲這是一個很是關鍵的學科交叉的成果。發表於遙感界Top期刊IEEE TGRS。