Coding and Paper Letter（三十六）

資源整理。

1 Coding:

1.簡單的TensorFlow初學者教程。

TensorFlow Course

2.R語言包SpatialEpiApp，運行一個Shiny Web應用程序，能夠顯示空間和時空疾病數據，估計疾病風險並檢測集羣。

SpatialEpiApp

3.R語言包h5，HDF庫的R接口。

h5

4.R語言包sysfonts，在R中載入字體。

sysfonts

5.S-RL工具箱：強化學習（RL）和狀態表示學習（SRL）機器人工具箱。

robotics rl srl

6.Tectonic是一款現代化，完整，獨立的TeX / LaTeX引擎，由XeTeX和TeXLive提供支持。

tectonic

7.R語言包deeptime，爲在深度工做的任何人工做的繪圖工具。

deeptime

8.R語言包probably，用於後處理類機率估計的工具。

probably

9.R語言包ggrough，將ggplot2圖表轉換爲roughjs。

ggrough

10.一個Web應用程序，用於更輕鬆的Bookdown協做。

backyard

11.jupyterlab的插件，支持toc（目錄）和git。

jupyterlab toc

jupyterlab git

12.RINGMesh是一個C ++開源平臺，用於處理地質模型的網格。

RINGMesh

13.快速地理空間特徵存儲API。

Hecate

14.開源項目ms bldg footprints，README沒有提供多少具體信息，從文件來看，是一個比較完整的空間數據處理過程的項目。

ms bldg footprints

15.R語言包pavo，用於顏色圖案的光譜和空間分析的R包。

pavo

16.像素級土地分類。

pixel level land classification

17.Python庫earthpy，爲在博爾德科羅拉多大學的地球實驗室地球分析計劃中支持python教學而構建的。

earthpy

18.用於植被冠層的Sellers（1985）雙流輻射傳輸模型的Python實現。

pySellersTwoStream

19.用於密度估計的算法的PyTorch實現。

pytorch flows

20.R語言包mc2d，2維的蒙特卡洛模擬工具。

mc2d

21.mmdetection是一個基於PyTorch的開源對象檢測工具箱。 它是香港中文大學多媒體實驗室開發的open-mmlab項目的一部分。

mmdetection

22.R語言包ffraster，將ff數組視爲柵格對象，反之亦然。

ffraster

23.Mask R-CNN用於Keras和TensorFlow上的對象檢測和實例分割。

Mask RCNN

24.爲IPython/Jupyter筆記本繪圖庫。

bqplot

25.「密集對象網絡：經過機器人操做學習密集視覺對象描述符」論文的代碼。

pytorch dense correspondence

26.包含The Economist的Big Mac索引背後的數據，以及顯示咱們如何計算它的代碼。

big mac data

27.Python庫pygdf，Python GPU的數據框的庫。

pygdf

28.Python庫gdist，是C ++庫（http://code.google.com/p/geodesic/）的Cython接口，用於計算測地距離，該距離是三維網格中三角形網格上兩個頂點之間的最短線的長度

tvb geodesic

29.R語言包rdom，從R渲染和解析動態網頁。

rdom

30.R語言包glmmstan，使用lmer式（lme4）公式的rstan中的廣義線性混合模型。

glmmstan

31.R語言包Rnightlights，從夜間燈光衛星中提取數據。

Rnightlights

32.R語言包gganimate，ggplot2的拓展包，用於作動圖。

gganimate

33.快速簡單創造地圖。

geojson.io

2 Paper:

1.Soil conservation on the Loess Plateau and the regional effect: impact of the ‘Grain for Green' Project/黃土高原土壤保持及區域效應：「退耕還林」工程的影響

黃土高原的土壤保持不只對當地居民並且對減小黃河下游的沉積物都很重要。在本文中，咱們報告了因爲「退耕還林」（GFG）項目，2000年至2010年土壤侵蝕減小。利用修正的通用土壤流失方程和土地覆蓋，氣候和沉積物產量數據，咱們發現土壤侵蝕從2000年到2010年是減小的。在此期間，爲響應GFG，從農田到草地的土地覆蓋變化很大。植被覆蓋率低，嚴重侵蝕面積急劇減小，高植被覆蓋面積略有侵蝕。咱們的研究代表，黃土高原土壤侵蝕減小致使黃河泥沙濃度降低。評估「退耕還林」項目的土壤保持效應。

2.Monitoring and validating spatially and temporally continuous daily evaporation and transpiration at river basin scale/監測和驗證河流流域尺度的空間和時間連續日蒸發和蒸騰

流域尺度的時空連續日蒸散量（ET）以及流域規模的組分蒸發（E）和蒸騰（T）對於制定可持續水資源戰略很是有用，特別是在供水有限的地區。本研究利用基於MODIS的（雙溫差）DTD模型，在中國黑河流域不一樣土地覆蓋下，對多年全天候ET，E和T進行了估算。遙感ET經過大孔徑閃爍儀系統的地面測量進行了驗證，源系統面積爲幾千米，覆蓋草地，農田和河岸灌木林地。結果代表，遙感ET產生的平均絕對百分比差別（MAPD）約爲20％，在晴朗的天空條件下，生長季節的地面測量值，但陰天的模型性能惡化。然而，每日ET產品給出了對MAPD值約爲20％的農田的合理估計，而且T/ET和E/ET的估計與地面測量結果很是一致。 DTD模型也明顯優於其餘全球應用的基於遙感的模型。基於這些結果，DTD模型被認爲對監測做物用水和壓力以及制定有效的灌溉策略是可靠的。流域尺度的日尺度遙感ET模擬，ET在目前生態過程當中是很關鍵的參數，而這個雙溫差DTD模型的驗證證實確實模型的適用性較強，若是能實現大規模應用，已在流域尺度研究提供靠譜的蒸散數據，有助於理解流域尺度的生態水文過程。

3.Calculation of the terrestrial vegetation index VIUPD using MODIS/利用MODIS計算陸地植被指數VIUPD

VIUPD是一種基於UPDM的新植被指數，它幾乎使用了每一個傳感器得到的整個植被信息。 已經證明，VIUPD經過使用地面測量數據敏感地反映植被量和植被活力程度。 本文介紹了計算VIUPD的結果，結果代表咱們的結論與NDVI和EVI相比較是正確的。一個不一樣於NDVI和EVI數據的植被指數。

4.The impact of new transportation modes on population distribution in Jing-Jin-Ji region of China/新交通運輸方式對京津冀地區人口分佈的影響

本文基於包括傳統普查數據，對地觀測數據和新興互聯網數據在內的綜合數據集，對中國京津冀地區的人口分佈和短時間遷移的決定因素進行了研究。咱們的研究結果代表，因爲該地區城市化程度較高，天然條件再也不是人口分佈的最強決定因素。新的交通方式，如高速鐵路，已經成爲人口分佈和短時間移民的重要決定因素，特別是在大城市。儘管教育仍然是影響人口分佈的重要因素，但傳統上被認爲是管理人口分佈和短時間移民的社會經濟因素，如GDP，投資，城市化水平和技術，影響較小。這些研究結果將爲京津冀地區的區域規劃決策提供有價值的信息。高鐵帶來的城市彙集效應的研究。中國的城市發展模式彷佛有不少是依賴基礎設施而興起的。