Coding and Paper Letter（十三）

8.王江浩老師在GeoSTAT2018上報告的ppt，上一篇也有一位彙報者的ppt，就不一一列出了，GeoSTATA是一個暑期學校，主題是關於聯合地理與統計建模。具體介紹見官網。從內容來看，很是不錯。但願明年有機會能夠前往學習。王江浩老師的彙報題目是Urban Sensing and Computing - Big Data Analytic with Open Source Software,也就是城市感知與計算——基於開源軟件的大數據分析。

GeoSTAT2018

9.一樣是來自GeoSTAT2018的報告ppt，包括課程和彙報的材料，主題是基於環境監測數據的機器學習案例。

Geostat2018

10.R語言包fasterize，高性能的柵格轉換格式包。

fasterize

11.R語言包sendmailR，R語言用於發郵件的包。

sendmailR

12.AGU2018會議上的presentation，題目是Coupled Interpolation of Three-component GPS Velocities，三份量GPS速度耦合插值。

agu2018

13.R語言包corrr，相關係數可視化的包。

corrr

14.基於Julia編寫的氣候科學工具包。

ClimateTools.jl

15.R語言包lazyraster，這個包的做用是經過GDAL按照需求獲取指定分辨率柵格。

lazyraster

2 Paper:

1.Mapping daily evapotranspiration based on spatiotemporal fusion of ASTER and MODIS images over irrigated agricultural areas in the Heihe River Basin, Northwest China/基於ASTER和MODIS影像時空融合的黑河流域灌區農牧區日蒸散量製圖

持續監測日蒸散量（ET）對於乾旱地區灌溉農業區的水資源分配和管理相當重要。在這項研究中，使用表面能量平衡系統（SEBS）經過融合具備高時間分辨率的中分辨率成像光譜儀（MODIS）圖像和先進的星載熱發射反射輻射計（ASTER）來估算90米空間分辨率的連續每日具備高空間分辨率的ET。使用空間和時間自適應反射融合模型（STARFM）得到這些傳感器的時空特徵。經過自動氣象系統（AMS）和渦度協方差的現場觀測，在農田，住宅，林地，水，戈壁沙漠，沙漠，沙漠草原和溼地區域覆蓋的異質綠洲 - 荒漠地區驗證了該方法的性能。（EC）系統位於中國西北黑河流域中游。在基於STARFM的數據融合過程當中引入的偏差在90米空間分辨率下的預測LST的可接受範圍內。使用SEBS基於預測的遙感數據估算的表面能量通量結合MODIS和ASTER的時空特徵，與使用EC系統觀測到的全部土地覆蓋類型的表面能量通量很好地吻合。李新老師團隊的成果，發表於農林科學top的Agricultural and Forest Meteorology，基於時空融合模型STARFM，高時間分辨率的MODIS，高空間分辨率的ASTER融合了高時空分辨率的ET。並利用實測數據作驗證。很是堅實的定量遙感與生態水文研究，另外不得不感慨黑河流域數據的恢弘啊。

2.Wind dynamics over a highly heterogeneous oasis area: An experimental and numerical study/高度異質性的綠洲地區的風力動態模擬：實驗和數值研究

發表於JGR的一篇文章，採用了綜合方法，將計算流體動力學（CFD）方法與k - ɛ湍流模型和高分辨率地面測量數據相結合，以分析高度地表異質性的綠洲上的風力動態。具體來講，1）天氣研究和預測模型（WRF）數據被用做邊界條件來啓動模擬; 2）根據機載激光掃描（ALS）數據估算的冠層葉面積密度（LAD）做爲動量和湍流輸運方程的源項，它表明了綠洲地區高度異質的植被結構。 CFD模擬的風場結果與通量觀測矩陣數據（在5.5 km×5.5 km實驗區域中的17個塔測量）一致。成功捕獲了受異質地表影響的風場的時空變化。 CFD模擬的風場也清楚地顯示了在高度異質的陸地表面上的「擋風效果」，其中在防禦林帶的迎風側和背風側存在更短和更長的風速減小區域有助於保護農田和果園免受風侵蝕。此外，目前基於高分辨率CFD模擬風廓線估算空氣動力學粗糙度長度（z0m）的方法被證實是捕獲異質表面上的風力動力學的有前景的方法。數值模擬(WRF，CFD)+地面觀測數據的一個研究，很是有意思，也能夠看到目前在小尺度不少數值模擬的研究愈來愈成熟，並且一般須要融合多個數值模擬模型與地面觀測數據。

3.Exploring evapotranspiration dynamics over Sub-Sahara Africa (2000-2014)/探索撒哈拉以南非洲的蒸散量變化（2000-2014）

監測蒸散量（ET）的變化有助於管理灌溉農業景觀中的水資源，以及評估乾旱脆弱地區的做物壓力和植被情況。這項研究探討了MODIS（中分辨率成像光譜儀）衍生的ET（2000-2014）在大部分撒哈拉沙漠以南非洲（SSA）的變化。對SSA的ET的多變量分析顯示，ET中觀察到的動態的四種主要模式，佔總變異性的約90％，主要來自Sudano-Sahel和剛果盆地的一些部分。根據Man-Kendall的統計數據，觀察到中非共和國和薩赫勒地區大部分地區ET的顯着正趨勢（α= 0.05）。儘管如此，在剛果盆地的大部分地區，ET顯示出普遍的負面趨勢的顯着（α= 0.05）分佈。 ET的這些趨勢被發現與模型土壤水分的觀測變化一致，但並不是在全部位置都是如此，多是因爲最大降雨量和地表溫度的趨勢不一致。然而，時空乾旱分析的結果證明，剛果盆地普遍的ET損失在某種程度上是由土壤水分虧缺引發的。在ET的其餘主要驅動因素中，ET對SSA陸地生態系統的動態彷佛是一種可能超越天然氣候變化的更復雜現象。我想這個文章最大特點多是長時間大洲尺度研究，而且是非洲的案例。很好地響應SDGs的實證研究。

4.Urban Land Extraction Using VIIRS Nighttime Light Data: An Evaluation of Three Popular Methods/利基於三種流行方法與VIIRS夜光數據提取城市土地的評價

使用夜光數據及時準確地提取城市土地面積對於城市研究很是重要。然而，對提取城市土地的現有方法的綜合評估仍然不足。該研究選擇了三種利用夜間光照數據提取城市土地面積的流行方法。這些方法包括局部優化閾值（LOT），植被調整夜光城市指數（VANUI），綜合夜光數據，歸一化差別植被指數和地表溫度支持向量機分類（INNL-SVM）。而後，咱們根據中國不一樣天然和社會經濟條件的七個評價區域的VIIRS夜光數據，評估了這些提取城市土地面積的方法的表現。咱們發現INNL-SVM具備最佳性能，平均kappa爲0.80，比LOT高6.67％，比VANUI高2.56％。 INNL-SVM的卓越性能主要歸功於夜間光線，植被覆蓋和地表溫度信息的整合。這種集成有效地減小了由VIIRS夜間光數據的溢出效應和低光亮度引發的錯誤。此外，INNL-SVM能夠更輕鬆地提取城市土地面積。所以，咱們建議INNL-SVM具備很大的潛力，能夠用大規模的VIIRS夜光數據有效地提取城市土地。夜光數據的研究愈來愈重要，另外珞珈一號的應用也值得關注。

5.Comparison of Two Satellite-Based Evapotranspiration Models of the Nagqu River Basin of the Tibetan Plateau/青藏高原那曲河流域兩種衛星蒸散模型的比較

蒸發蒸騰（ET）是能量和水循環的主要不肯定組成部分之一，是在無雲條件下基於遙感數據和大氣表層（ASL）觀測得出的那曲河流域。兩個基於過程的模型用於肯定ET：基於Priestley-Taylor（PT）的模型和地形加強的表面能平衡系統（TESEBS）模型。將改進的寬帶反照率，向下短波輻射通量和重建歸一化差別植被指數（NDVI）耦合到TESEBS模型和基於PT的模型中以估計實際ET。 ASL氣象數據，SPOT植被（VGT）數據和中分辨率成像光譜儀（MODIS）數據被用做10天ET計算的輸入。將模型估計結果與經過組合方法計算的基礎事實進行比較。結果代表，兩種模型肯定的ET均符合實際ET。然而，TESEBS模型顯示出比PT模型更好的性能，具備更低的平均誤差偏差和更低的均方根偏差。儘管PT模型計算簡單而且須要的參數不多，但NDVI的強烈加權可能會致使一些太高估計，特別是在生長季節。兩種模型肯定的蒸散量很好地符合實際值。 TESEBS表現出比PT模型更好的性能。雖然PT模型計算簡單且參數不多，但NDVI的強加權可能會致使一些太高的估計。蒸散一直是生態水文和生態建模的關鍵，尤爲是耦合遙感數據和遙感模型的一個關鍵要素。能夠對這兩個模型作些研究。本文的兩個蒸散模型仍是很經典的。其次，青藏高原的研究也更有意思些。

6.Modeling the Distributions of Brightness Temperatures of a Cropland Study Area Using a Model that Combines Fast Radiosity and Energy Budget Methods/利用結合快速光能傳遞和能量預算方法的模型對農田區域的亮度溫度分佈進行建模

從遙感數據中得到的地表溫度（LSTs）對於監測做物和城市熱島的情況相當重要。然而，因爲反演到的LST僅表明像素的平均溫度狀態，所以各個像素內的溫度分佈仍然未知。這些數據不能知足精準農業等應用的要求。所以，在本文中，咱們提出了一種模型，該模型結合了快速光能傳遞模型，適用於多孔單個對象（RAPID）模型的光能傳遞和能量預算方法，以動態模擬複雜曲面上的亮度溫度（BT）。該模型表明了一種基於模型的工具，可用於使用精細尺度的可見光以及近紅外（VNIR）數據和睦象條件的時間變化來估計溫度分佈。所提出的模型在中國西北地區的人工綠洲的研究區域進行了測試。模擬的BT與先進的星載熱輻射和反射輻射計（ASTER）測量的BT很好地吻合。此外，與葉面積指數（LAI）相比，該模型在驗證期間顯示出對風速的高靈敏度。儘管能夠採用簡化以用於特定模擬，可是該提出的模型可用於支持原位測量並提供異質植被表面上的參考數據。柳欽火老師團隊的成果，亞像元級定量熱紅外遙感研究。值得關注。

7.Impacts of spatial heterogeneity on crop area mapping in Canada using MODIS data/空間異質性對加拿大做物區域MODIS數據製圖的影響

因爲存在各類空間異質性，使用粗空間分辨率遙感圖像精確地繪製做物區域是具備挑戰性的。該研究分析了受空間異質性影響的做物分類和麪積估計的準確性，尤爲是樣本雜質和景觀異質性。從中分辨率成像光譜儀（MODIS）MOD09Q1 8天計算的歸一化差別植被指數（NDVI）時間序列用於對加拿大曼尼托巴省的做物區域進行分類。分類和迴歸樹（CART）方法應用於分類。將具備30米空間分辨率的加拿大農業和農業食品（AAFC）土地覆蓋數據集用做肯定研究區域和訓練和驗證樣本的基礎圖。結果能夠得出結論：（1）MODIS影像的分類精度對樣本雜質和景觀異質性都很敏感。樣品中的純度限制會對分類準確性產生很大影響。具備更均勻像素的區域更可能被準確地分類，反之亦然; （2）做物面積估計偏差對樣品雜質不敏感。它不只取決於培養樣品的純度，還取決於做物類型的實際純度條件。最純粹的訓練樣本組與最低偏差不相符; （3）構型異質性對面積估計的影響比構成異質性的影響更大。整體而言，樣本雜質和景觀異質性均可以在很大程度上影響分類準確性，而只有構型異質性對做物面積估計有顯着影響。地表異質性是老生常談的話題，任何地學研究都難以免，這篇文章利用兩套數據作了一些異質性形成的不肯定性和偏差的分析。

8.Spatiotemporal Fusion of Multisource Remote Sensing Data: Literature Survey, Taxonomy, Principles, Applications, and Future Directions/多源遙感數據的時空融合：文獻調研，分類，原理，應用和將來方向

具備高空間分辨率的衛星時間序列對於監測異質景觀中的陸地表面動態是相當重要的。儘管遙感技術近年來經歷了快速發展，但從單個衛星傳感器得到的數據每每沒法知足咱們的需求。所以，在過去十年中，來自不一樣傳感器的數據的綜合使用變得愈來愈流行。已經開發了許多時空數據融合方法以從兩種類型的衛星圖像，頻繁的粗分辨率圖像和稀疏的精細分辨率圖像產生具備高空間和時間分辨率的合成圖像。這些方法是根據不一樣的原則和策略設計的，所以表現出不一樣的優點和侷限。這種多樣性爲用戶選擇適合其特定應用和數據集的方法帶來了困難。爲此，本綜述文章研究了當前時空數據融合方法的文獻，對現有方法進行了分類，討論了這些方法的基本規律，總結了它們的潛在應用，並提出了該領域將來研究的可能方向。遙感影像時空融合的綜述，寫得仍是很詳細的，對這個領域的作了些較爲系統的回顧，作了文獻計量分析。這裏推薦一篇筆者翻譯的黃波老師的論文(原做爲黃波老師團隊趙涌泉博士，譯文首發於一覽衆山小·可持續城市與交通）。

有GIS有意思︱針對複雜地表變化的魯棒自適應時空影像融合模型

9.Mapping China’s Ghost Cities through the Combination of Nighttime Satellite Data and Daytime Satellite Data/經過夜間衛星數據與日間衛星數據相結合繪製中國鬼城

中國大陸城市化進程產生的反作用之一是「鬼城」 - 通常被定義爲廢棄建築羣或住房結構 - 可是對於與這種現象有關的基本特徵，如尺寸，顯然缺少研究。增加，水平，分佈，規模，強度，模式和決定因素。經過結合夜間衛星數據和日間衛星數據做爲有用的代理，在本文中，咱們展現了過去二十年中國鬼城的空間格局和時間演變。夜間燈光在新建區域的變化率是基於DMSP / OLS和歸一化差別創建指數來評估城市的黑暗。結果顯示鬼城問題是真實的，但至少到目前爲止，僅限於22個較小的城市。然而，進一步分析顯示，新建區域的夜間燈光發生變化，大城市倒U型曲線表示近年來趨勢從正值迴歸到負值。經過在咱們的研究中使用DMSP / OLS和Landsat數據之間的時間互補特徵的方法證實能夠做爲肯定和量化這種社會經濟現象的直接證據。一個基於夜間燈光和普通Landsat數據結合的應用研究。鬼城識別，是一個很是有意思的問題研究。這篇文章利用不一樣時間成像衛星的互補作了識別。相比於幾年前北大劉瑜老師與百度大數據實驗室合做的，基於VGI數據的鬼城識別，可能能夠作一個比較。

10.Linking Heat Source–Sink Landscape Patterns with Analysis of Urban Heat Islands: Study on the Fast-Growing Zhengzhou City in Central China/聯結熱源-匯景觀格局與城市熱島分析-快速發展的中部地區鄭州市案例研究

在全球範圍內，城市熱島（UHI）效應是一個主要問題，致使城市居民遭受不利的城市生態環境和嚴重的健康風險。瞭解城市景觀特徵對熱環境的影響一直是各個研究領域的重點。本研究的目的是利用中國中部快速發展的鄭州市做爲案例研究，分析城市熱源-匯景觀格局對城市熱島的影響。應用Landsat數據（在1996年，2006年和2014年捕獲），各類地理空間方法和相關性分析以促進分析。基於城市景觀對地表溫度（LST）的貢獻，咱們根據經驗肯定了熱源和熱匯。而後，經過景觀和等級的一系列空間度量來估計熱源和匯景觀的構成和配置。結果代表，研究區域的總平均地表溫度（LST）從1996年到2014年增長了2.72°C。觀察到的整體平均LST的增長趨勢與研究區域的快速城市化過程一致，由不透水錶面的顯着增長和植被覆蓋的大量損失證實。一般，如所觀察到的，景觀組成對LST的影響比景觀配置更強。對於熱源，斑塊的比例，大小，彙集和密度對LST有積極影響，而調整城市景觀的空間分佈和豐度是控制UHI效應的有效方法。相比之下，散熱片的百分比，大小，密度和彙集對LST有負面影響。此外，在減輕UHI效應時，應考慮增長總貼片邊緣和形狀複雜性的影響。這些發現有助於進一步瞭解城市景觀格局如何影響UHI，並有助於優化城市景觀格局，減輕UHI效應，促進研究區的可持續發展。總的來講，這篇文章主要作的就是景觀指數與LST的分析，可能比較關鍵的是熱源匯景觀的概念提出。前一段廣州大學吳志峯老師團隊發表了一篇中文名爲人爲熱排放源的分析，印象中是基於WRF和排放源的一個研究，可能能夠作些類比和探究。

11.predictSLUMS: A new model for identifying and predicting informal settlements and slums in cities from street intersections using machine learning/預測SLUMS：一種利用機器學習從街道交叉口識別和預測城市非正規住區和貧民窟的新模型

肯定城市內當前和將來的非正規區域仍然是發展中國家政策制定者和政府的關鍵問題。在城市中識別這些區域的劃分過程須要大量資源。雖然有各類研究基於衛星圖像分類識別非正式定居點，依賴於有監督或無監督的機器學習方法，但這些模型要麼須要多個輸入數據才能運行或須要在精度方面進一步發展。在本文中，咱們介紹了一種僅使用街道交叉口數據來識別和預測非正規住區的新方法，不管城市形態，樓層數量，建築材料或街道寬度的變化如何。經過這種最小的輸入數據，咱們試圖爲規劃者和政策制定者提供一個有助於識別城市非正規區域的實用工具。該模型的算法基於空間統計和機器學習方法，使用多項Logistic迴歸（MNL）和人工神經網絡（ANN）。擬議的模型依賴於根據兩個廣泛存在的特徵定義非正規住區，這些區域傾向於填充相對於當地環境中的正式區域的較小的細分住房，以及這些住區邊界內的服務和基礎設施的缺少。須要相對較大的批次。咱們在埃及和印度的五個主要城市應用了該模型，這些城市具備非正式性的空間結構。這些城市分別是埃及的大開羅，亞歷山大，赫爾格達和明亞以及印度的孟買。預測SLUMS模型顯示出高度有效性和準確性，用於識別和預測模型在相同城市內或在不一樣相似環境中訓練的非正規性。機器學習地理學應用，能夠說仍是蠻有意思的，不管是使用的特徵，或者是識別的目標。

12.Understanding road congestion as an emergent property of traffic networks/將道路擁堵理解爲交通網絡的新興屬性

儘管對經過公路網絡的交通流量建模進行了大量研究，但對致使和加重城市道路擁堵的條件的清晰理解仍然是難以捉摸的。本文提出將擁塞識別爲駕駛員與駕駛員之間相互做用的無心識緊急屬性。它描述了人類行爲是城市駕駛的一個恆定和重要的內在屬性，以及這些相互做用如何致使明確的現象。提出了一個框架，用於進一步分析三個空間級別的擁塞，以及在每一個空間級別可能最重要的駕駛員行爲。在此模型的基礎上，本文介紹了在倫敦高度擁擠的黑牆隧道進行的案例研究。在爲本文所述的一些概念提供證據時，案例研究展現了人類行爲如何致使道路擁堵的出現。本文提出的概念和框架爲進一步理解和最終模擬道路擁堵的發生和傳播提供了一個強有力的起點。交通擁堵也是筆者一直比較關心的一個研究問題，這個研究的概念和框架是一個頗有意思的點，能夠說相似於逆向思惟的一個研究。

13.Evaluation of machine learning techniques with multiple remote sensing datasets in estimating monthly concentrations of ground-level PM 2.5/利用多個遙感數據集評估不一樣機器學習技術估算地面PM 2.5的月濃度的效果

細顆粒物（PM2.5）已被公認爲可影響人口健康風險的關鍵空氣污染物，特別是在野火等極端狀況下。之前的研究已經應用地理空間技術，如土地利用迴歸來繪製地平面PM2.5，而最近的一些研究發現，從衛星影響和機器學習技術獲得的氣溶膠光學深度（AOD）多是兩個能夠改善時空的元素預測。然而，缺少研究評估使用不一樣的機器學習技術與AOD數據集來映射PM2.5，特別是在PM2.5的高時空變異性的區域。在本研究中，咱們將八種預測算法的性能與使用多種遙感數據集（包括衛星衍生的AOD數據）進行比較，以預測地面PM2.5濃度。根據結果，Cubist，隨機森林和極限梯度提高算法具備更好的性能，而Cubist是最好的。變量重要性分析代表，建模貢獻最高的預測因子是月度AOD和海拔。總之，適當選擇機器學習算法能夠改善地面PM2.5估計，特別是對於PM2.5與複雜地形引發的預測因子之間存在非線性關係的區域。衛星導出的數據，如AOD和地表溫度（LST），也能夠替代從氣象站檢索到的傳統數據集，特別是對於站點分佈稀疏和不均勻的地區。這篇文章結合多源遙感和機器學習作PM2.5製圖，數據很全面，包括站點數據、MODIS產品（AOD，Albedo，NDVI，LST，Vapor）、NCEP再分析資料（氣象數據）。還用了多種機器學習算法，包括時下流行的隨機森林和梯度提高類的算法。結論上有一點跟筆者參與的一個研究比較相似，海拔是有比較顯著的影響。

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。