Coding and Paper Letter(四十八)

資源整理。git

1 Coding:

1.強化學習算法的實現。 Python,OpenAI Gym,Tensorflow練習和解決方案。github

reinforcement learning算法

2.網頁上基於LaTex的數學公式js庫。api

KaTex網絡

3.經過分組極端點和中心點進行自下而上的物體檢測。app

ExtremeNetdom

4.用於場景分割的雙重注意力網絡。機器學習

DANetide

5.一種有效的卷積神經網絡結構。工具

EffNet

6.從xarray到機器學習的簡單數據管道示例。

ml workflow examples

7.各類簡歷(resume CV)。

vitae

8.R中的數據模型流程。

datamodelr

9.Rstudio拼寫檢查的addin。

wellspell.addin

10.R中的漂亮,可定製和可發佈的模型總結。

gtsummary

11.包含各類生態和流行病學模型的shiny應用。

oshinys

12.Rstudio 2018年會上,tweet explorer和FOMO reducer。

rsconf tweets

13.Rstudio 2019年會幻燈片連接。

RStudioConf2019Slides

14.R用於科學數據分析和可視化的網站,面向加州大學戴維斯分校的生態學研究生的課程(更新了四分之一)

R-DAVIS

15.R語言包isoband,生成等值線和多邊形。

isoband

16.OReilly報告的Jupyter筆記本。

WhirlwindTourOfPython

17.GDAL 2.4和HTTP2基準測試。

gdal http2 benchmark

18.R語言包haven,用於R讀取SPSS,STATA和SAS的數據。

haven

19.R語言包coefplot,繪製模型係數。

coefplot

20.R語言包rmd,輕鬆安裝和加載R Markdown系列。

rmd

21.shiny應用案例。

shiny examples

22.R語言包posterdown,使用RMarkdown生成Latex PDF會議海報。

posterdown

23.R語言包ConsTarget,用於計算保護網絡的保護目標實現。

ConsTarget

24.使用GNU Make自動化工做流程的教程。

tutorial makefiles

25.大規模直接單眼SLAM ANDROID。

lsd slam

26.3D模型重建。

DepthModel

27.使用Jupyter Notebook在Python中使用Google Earth Engine的各類示例。

Google Earth Engine Python Example

28.咱們在軟件開發中使用排隊論,用於項目管理看板,進程間通訊消息隊列和devops連續部署管道等目的。

queueing theory

29.一種用來學習和使用機器學習的實踐方法。

practiceAI

30.基於土壤樣本的野外活動的高光譜和土壤溼度數據。 卡爾斯魯厄(德國),2017年。

hyperspectral soilmoisture dataset

31.高光譜圖像分析簡介-Jupyter Notebook。

HyperspectralAnalysisIntroduction

32.R語言包ggResidpanel,用於爲模型中的殘差建立一組診斷圖。

ggResidpanel

33.使用Sentinel的ESDL數據立方體。

esdl sentinel

34.ESDL多維數據集生成和訪問API。

esdl core

35.用於運行美國宇航局大氣研究中心的4STAR數據分析的代碼。

4STAR codes

36.已發表論文的數據集。

published data

37.HyperRail和HyperPole項目。

HyperRail

38.稀疏性促進迭代約束的端元

SPICE

39.Matlab實現MI-ACE和MI-SMF目標表徵算法。

MIACE

40.R語言包gbm,對Freund和Schapire的AdaBoost算法以及Friedman的梯度加強機器的擴展。 它包括最小二乘迴歸方法,絕對損失,t分佈損失,分位數迴歸,邏輯,多項邏輯,Poisson,Cox比例風險部分可能性,AdaBoost指數損失,Huberized鉸鏈損失和學習到秩度量。

gbm

41.R語言包letsR,宏觀生態學中的數據處理和分析工具。

letsR

2 Paper:

1.A Random Forest-Based Approach to Map Soil Erosion Risk Distribution in Hickory Plantations in Western Zhejiang Province, China/基於隨機森林的浙西山核桃人工林土壤侵蝕風險分佈圖研究

管理不善的農林複合區域不斷增長,形成嚴重的環境問題,如土壤侵蝕。有必要在大面積內快速預測這種侵蝕風險的空間分佈,但缺少適合山區的方法。這項研究的目的是開發一種方法,能夠有效地利用遙感和輔助數據,繪製山區農林複合生態系統中的土壤侵蝕風險。該研究採用了野外調查數據,土壤類型地圖,數字高程模型數據,氣象站數據和Landsat圖像,用於提取潛在變量。採用隨機森林方法肯定了8個關鍵變量 - 坡度,坡度,葉片季節歸一化差別綠度指數,土壤有機質,葉片季節分數,落葉季節土壤,降水量。 6月,土壤粘土百分比 - 用於繪製中國浙西山核桃人工林土壤侵蝕風險分佈圖。結果代表,三個水平的土壤侵蝕風險的整體準確率爲89.8%。大約四分之一的山核桃種植園處於高風險狀態,要求業主或決策者採起適當措施減小土壤侵蝕問題。該研究提供了一種預測土壤侵蝕風險的新方法,該方法基於可直接從遙感數據和輔助數據中提取的主要變量。這種提議的方法對其餘農林業和種植園頗有價值,例如香榧,桉樹和橡膠樹,它們在改善當地農民的經濟條件方面發揮着重要做用,但卻面臨着土壤侵蝕問題,利用遙感等輔助數據結合機器學習分析土壤侵蝕。

2.A simple and integrated approach for fire severity assessment using bi-temporal airborne LiDAR data/使用雙時間機載LiDAR數據進行火災嚴重性評估的簡單綜合方法

本研究提出了一種新的方法(剖面面積變化,PAC),使用火災前和火災後的激光雷達數據量化單個樹木和樹木羣落的火災引發的森林結構變化。 PAC測量從火災前和火災後的激光雷達點彙總的剖面面積差別。咱們應用PAC方法評估2013年美國火災在美國加利福尼亞州內華達山脈的影響。咱們將LiDAR PAC指標與樹級經常使用的LiDAR衍生冠層覆蓋度和樹高度指標的變化進行比較,並與30m像素級的Landsat-8圖像衍生相對差別歸一化燃燒比(RdNBR)進行比較。使用田間測量的基礎面積和葉面積指數(LAI)變化進行定量驗證,證明PAC指標與田間測量值(R2≥0.67)之間的相關性顯着高於冠層覆蓋度或樹高指標(R2≤0.43) ,比RdNBR(R2≤0.26)強得多。根據大部分生物量損失是否發生在樹冠基部高度之上或之下,PAC度量還可用於推斷由火災引發的樹冠擾動的程度。冠層干擾的映射代表,美國火區的一半以上(57.0%)有火災形成的樹冠損失,22.5%的樹木有冠層損失,而其他區域沒有可檢測到的樹冠變化。總的來講,LiDAR PAC指標做爲一種簡單的綜合方法,在表徵森林結構細粒度變化方面具備很大潛力。該方法能夠有利於森林經營者評估火災引發的環境和經濟損失,併爲森林恢復設計提供有用的信息。利用激光雷達評估林火災害,從這個方法而言,能夠定量化樹木更精細的林火災害評估,可是相對而言是一個比較費錢的方法,我的以爲應該結合Landsat來評估大範圍的林火能夠更好地下降成本同時提高精度。

3.Discerning the Effects of Rural to Urban Migrants on Burglaries in ZG City with Structural Equation Modeling/用結構方程模型識別農村城鎮遷徙對ZG城防盜的影響

農村人口向城市遷移和城市犯罪都是中國研究的主題。但不多有研究試圖探討二者之間可能存在的關係。利用2014年第六次人口普查數據調查ZG城市的服務數據,本研究利用結構方程模型檢驗了遷徙與犯罪之間的關係。測試了兩個假設:(1)遷徙的分佈對盜竊的空間分佈有直接影響,(2)遷徙還經過調解住宅流動性和居民社區的社會經濟劣勢等變量間接影響入室盜竊率。結果代表,遷徙對盜竊有明顯的直接和間接影響,但間接影響遠大於直接影響,代表社區特徵比遷徙自己發揮更重要的做用。基於SEM分析遷徙和犯罪的研究,結果說明社區特徵可能更重要。仍是比較不錯的分析。

4.Detecting and Evaluating Urban Clusters with Spatiotemporal Big Data/利用時空大數據檢測和評估城市羣

城市羣的設計在城市規劃中發揮了重要做用,但實現這些城市規劃的建設是一個漫長的過程。所以,評估進展對城市管理者在城市建設過程當中的重要性。用於檢測城市羣的傳統方法是不許確的,由於原始數據一般是從居民旅行的小樣本調查問卷而不是大規模研究中收集的。時空大數據爲以天然和細粒度的方式理解城市羣提供了新的視角。在本文中,咱們提出了一種新的檢測和評估城市羣的方法(DEUC)與出租車軌跡和新浪微博簽到數據。首先,DEUC採用凝聚層次聚類方法,根據城市居民平常出行空間的類似性來檢測城市羣。其次,DEUC使用樸素貝葉斯定理推斷居民對土地利用功能的需求,並採用三個指標來評估檢測到的集羣中土地利用功能的合理性 - 即跨區域旅行指數,通勤方向指數和知足需求指數。第三,DEUC經過計算擬議的一致性指標來評估城市羣建設的進展。在案例研究中,咱們應用咱們的方法對2009年,2014年和2015年中國武漢城市羣進行檢測和分析。結果代表該方法的有效性,可爲城市建設提供科學依據。基於時空大數據對城市羣評估,基於出租車軌跡和新浪微博簽到數據作的分析,三個指數值得借鑑和評估。

5.Characteristics of Heavy Storms and the Scaling Relation with Air Temperature by Event Process-Based Analysis in South China/華南地區基於事件過程分析的暴雨特徵及其與氣溫的尺度關係

降水極值與熱帶和亞熱帶地區的氣溫之間的負縮放率仍然是一個使人費解的問題。本研究從風暴特徵(類型)和基於事件過程的溫度變化兩個方面研究了縮放率。華南地區的暴風雨是由不一樣的氣象系統發展起來的,每一個季節都有獨特的氣象特徵,如暖鋒風暴(1月),冷鋒風暴(4月至5月中旬),季風風暴(5月下旬至6月),對流風暴和颱風風暴(7月至9月)。本研究使用1990年至2017年的每小時降雨量數據分析風暴特徵;比較2008-2017年間一分鐘降雨量數據得出的風暴溼度計;並研究了2015-2017年廣州42個氣象站的強風暴與氣象因素之間的相互做用,包括氣溫,相對溼度,地面壓力和風速。除颱風和暖鋒風暴外,大多數風暴的持續時間較短(3小時),而華南廣州的風速較大(約13毫米/小時)。對流風暴在發生時占主導地位(50%),強度最強(15.8 mm / h)。城市地區的風暴與氣象因素的相互做用更強,而且顯示出來自郊區的不一樣的hyetograph。與白天發生的風暴相比,氣象因素變化較大。在夏季和夏季風暴以前,空氣溫度可升高6°C並降至4°C,以抵抗晝夜平均狀態。風暴前的24小時平均氣溫產生比天然日平均氣溫更可靠的縮放率。極端降水與24小時平均氣溫呈現峯值比例關係,斷裂溫度爲28°C。低於28℃,相對溼度爲80%-100%,顯示出正的結垢率。高於28°C,負比例關係多是因爲大氣中缺少水分形成的,其中相對溼度隨着空氣溫度的升高而下降。分析一次暴雨特徵分析和睦溫的尺度分析,氣象學方面的尺度分析。

6.Analyzing long-term spatio-temporal patterns of land surface temperature in response to rapid urbanization in the mega-city of Tehran/分析地表溫度的長期時空模式,以響應德黑蘭特大城市的快速城市化

分析和監測空間和時間城市化對於更好地理解地表溫度(LST)變化相當重要。只有少數研究檢驗了大城市中長期空間和時間尺度的LST變化。首先,本研究比較了德黑蘭整個特大城市的城市和郊區(如下稱爲區域尺度)之間的熱量差別以及德黑蘭境內22個地區的城市熱量變化(如下稱爲當地規模)在過去的三十年裏。其次,咱們研究了土地覆蓋,氣候和海拔數據如何與德黑蘭特大城市區域和地方尺度的城市熱量相關聯。 1986年,1991年,1994年,2001年,2008年和2011年,德黑蘭的一系列六幅Landsat TM圖像被分爲四種土地覆蓋類別(建築物,做物,開放空間和綠地)。這些圖像還用於計算地表溫度(LST)和歸一化差別植被指數(NDVI)。咱們使用了Shuttle Radar地形測量任務中的30米高程數據。咱們還下載了1千米氣候數據,包括溫度,降水,太陽輻射,蒸氣壓和全球氣候的風速。在區域範圍內,咱們發現德黑蘭特大城市的城市化在過去三十年中翻了一番,從2001年的21%增長到2011年的43%。此外,不一樣土地覆蓋類別的平均LST差別平均爲5.70°C在每一個時間點。此外,從1986年到2011年,各類土地覆蓋類別的平均LST平均增長了6.46°C。咱們還發現平均NDVI,平均海拔和平均氣候在下降德黑蘭境內的平均LST方面比在德黑蘭之外更有效。在當地範圍內,德黑蘭北部地區的平均LST值最低,而德黑蘭南部和西南部地區的平均LST值從1986年到2011年最高。此外,觀察到的每一個時間點22個地區的平均LST差別爲6.77平均°C。此外,從1986年到2011年,全部地區的平均LST平均增長3.75°C。隨着平均LST增長,平均NDVI成爲減輕全部22個地區的平均LST的更強因素。最後,22個地區的平均NDVI,平均海拔和平均氣候對控制德黑蘭內部的LST變化起到了重要做用。咱們的結論是,長期的時空分析能夠爲決策者提供更好的規劃,以減輕和控制德黑蘭特大城市的城市熱量變化。城市化與地表溫度的影響,用了大量的數據和多個城市來進行分析。

7.A multiscale analysis of urbanization effects on ecosystem services supply in an urban megaregion/城市化對城市大區域生態系統服務供給影響的多尺度分析

快速和大規模的城市化致使土地使用的大量轉變和對生態系統服務的影響。城市化與生態系統服務之間的關係不只取決於研究區域的特徵,並且與選定的生態系統服務類型和衡量城市化水平的指標密切相關。探索特定研究領域的關係對於支持可持續性的區域規劃是必要的。在這項研究中,咱們分析了2000年至2010年城市化對中國京津冀城市大區的生態系統服務的影響。咱們量化了四個關鍵的生態系統服務,糧食生產,碳固存和氧氣生產,水資源保護和土壤保持,並肯定了生態系統服務提供的熱點。咱們從人口增加,經濟發展和土地擴張等三個方面來衡量城市化水平。在熱點規模和城市巨型區域規模上研究了城市化對選定生態系統服務的影響。咱們發現BTH地區的生態系統服務和城市化水平都有所提升。生態系統服務熱點存在明顯的空間異質性,南部平原地區的糧食生產熱點彙集分佈,調節服務熱點主要分佈在森林茂密的北部山區。人口增加,經濟發展和糧食生產之間的關係用倒U型曲線表示,而隨着調節服務呈現降低趨勢。隨着城市土地擴張,糧食生產和調節服務都急劇降低。此外,城市化與生態系統服務之間的關係在各個尺度上都是一致的。應針對不一樣類型生態系統服務的熱點實施有效措施,以緩解快速城市化過程當中生態系統服務的喪失。這些結果能夠爲提高BTH地區的城市可持續性以及世界各地具備相似特徵的其餘城市巨型區域提供看法。城市大區域的生態系統服務與城市化水平關係。京津冀城市羣,關係也是倒U型,值得關注。

相關文章
相關標籤/搜索