資源整理。

1 Coding：

1.開源項目openeo api。oponEO開發了一個開放的API，以簡單統一的方式將R，python和javascript客戶端連接到對地觀測大數據云平臺的后臺。 此存儲庫包含此API，即oponEO（核心）API。

openeo api

2.開源項目quantized mesh viewer，在Cesium中渲染自定義量化網格瓦片并使用THREE.js渲染器調試單個瓦片。

quantized mesh viewer

3.開源項目spade，rust語言的空間數據結構。

spade

4.用TensorFlow進行機器學習書籍附帶TensorFlow機器學習的源代碼。有關代碼說明，請參閱本書。

TensorFlow Book

5.R語言包ggsoccer，ggplot2的拓展包，用于繪制足球場及足球賽事的包。

ggsoccer

6.開源項目firspaper,關于寫第一篇論文的很多東西。很切實的經驗之談。值得關注。

firspaper

7.R語言包datapasta，一個幫助在不同平臺復制粘貼的包。

datapasta

8.R語言包rgeopat2，支持使用'GeoPAT'2軟件處理的空間數據分析。

rgeopat2

9.開源項目weathercontext，twitter上的機器人，每天中午定時發布天氣信息，同時也可以查詢歷史天氣（來自ECMWF的ERA-interim數據）。

weathercontext

10.R語言包geojsonsf，R中GeoJSON和Simple Feature對象之間的簡單，低依賴性和快速轉換工具。

geojsonsf

11.R語言包adaptMCMC，通用自適應蒙特卡羅馬爾可夫鏈采樣器的R語言實現。

adaptMCMC

12.R語言包usmap，在R中創建包括阿拉斯加和夏威夷在內的美國地圖。

usmap

13.R語言包s2，用于橢球體的Google s2庫的R接口。

s2

14.開源項目TheGeolocationManual，R markdown組織的文件，應該跟Geolocation相關的內容。詳情見倉庫。

TheGeolocationManual

15.Fotran庫LAPACK，用于解決數值線性代數中最常出現的問題。

lapack

16.R語言包pkgdown，用于生成R包的靜態網頁。

pkgdown

17.node建立的自然語言處理庫，具有實體提取，情感分析，自動語言識別等功能。

nlp.js

18.開源項目KivyMD，Kivy Material Design標準的小部件的集合。

KivyMD

19.用于ODSC介紹貝葉斯工作流的幻燈片和材料。

intro bayesian workflow

20.開源項目NUTS，來自Hoffman＆Gelman的2011年無轉換采樣器（NUTS）的python版本。

NUTS

21.R語言包cowsay，R中有更多動物的cowsay。就是用注釋畫出動物的樣子。

cowsay

22.R語言包lato，使用'Lato'字體的最小和靈活的'ggplot2'主題。

lato

23.QGIS的Google Earth Engine插件。

qgis earthengine plugin

2 Paper:

1.Evaluating the Performance of Sentinel-2, Landsat 8 and Pléiades-1 in Mapping Mangrove Extent and Species/評估Sentinel-2，Landsat 8和Pléiades-1在紅樹林范圍和物種制圖方面的表現

繪制紅樹林的范圍和物種對于了解它們對環境變化的反應以及觀察其提供商品和服務的完整性非常重要。然而，準確繪制紅樹林范圍和物種是遙感的持續挑戰。新推出的可自由使用的Sentinel-2（S2）傳感器為這些挑戰提供了新的機會。本研究首次開展了一項研究，旨在研究中國東寨港第一個國家紅樹林自然保護區紅樹林范圍和物種的原始條帶，光譜指數和紋理信息。為了繪制紅樹林的范圍和物種，利用和修改了基于紅樹林生態系統的空間結構和基于地理對象的圖像分析的三級層次結構。在實驗過程中，為了克服優化高維和相關特征空間的挑戰，引入了遞歸特征消除（RFE）算法。最后，基于隨機森林算法，來自RFE的所選特征被用于紅樹林物種鑒別。將結果與Landsat 8（L8）和Pléiades-1（P1）數據進行了比較，結果表明S2和L8可以準確地提取紅樹林的范圍，但P1顯然高估了它。關于紅樹林物種群落水平，S2的總體分類準確度為70.95％，低于P1圖像（78.57％），略高于L8數據（68.57％）。同時，前者差異具有統計顯著性，后者則不然。優勢物種基本上是在S2和P1圖像中提取的，這些特征對于紅樹林物種鑒別是最重要的。最重要的特征是紅光波段，其次是短波紅外，近紅外，藍光和其他可見光波段。這項研究表明S2傳感器可以準確地繪制紅樹林的范圍，并基本上區分紅樹林物種群落，但對于后者，由于紅樹林物種的復雜性，應該謹慎。遙感影像在紅樹林提取方面的成果。事實證明哨兵的數據在提取范圍上準確度較高，而提取物種上卻效果不佳。從與Landsat 8和Pléiades-1的比較來看，相信未來紅樹林遙感制圖的關鍵是這幾個多源衛星的信息融合。

2.National scale spatiotemporal land-use regression model for PM2.5, PM10 and NO2 concentration in China/中國PM2.5，PM10和NO2濃度的全國尺度時空土地利用回歸模型

空氣污染流行病學研究越來越依賴于高分辨率暴露預測模型。但是，到目前為止，很少有這種類型分辨率的數據可供在中國使用。目標：我們制定了國家土地利用回歸模型（LUR），以估算中國2014年至2016年的月平均PM2.5，PM10和NO2。方法：我們使用廣義加性混合模型開發了時空半參數模型。模型中包括各種預測變量：時變氣象數據，Globaland 30的高分辨率土地覆蓋數據，氣溶膠光學深度的衛星測量和地理信息系統（GIS）衍生的預測變量。我們使用兩種交叉驗證（CV）方法評估模型性能，包括保持CV和10折CV。結果：在1382個監測點進行了超過22,000次月度觀測，以估算空氣污染暴露情況。時變空間項解釋了87％，71％和69％的變異性，PM2.5，PM10和NO2模型的保持交叉驗證R2分別為0.85,0.62和0.62。模型顯示，氣象變量，人口密度，海拔，道路距離和土地覆蓋類型是空氣污染暴露的重要預測因子。結論：我們開發了一種新的全國范圍的模型來估算居住水平的空氣污染暴露，可用于研究空氣污染的慢性不利影響。LUR的全國尺度上的研究，并且涵蓋了三大關鍵大氣污染物，比較扎實的研究。且是比較高時間分辨率（月）的LUR。

3.Spatializing Segregation Measures: An Approach To Better Depict Social Relationships/空間化隔離措施：一種更好地描繪社會關系的方法

隔離涉及一個以上的人口群體，隔離措施量化了不同人口群體在空間中的分布方式。隔離研究的關鍵概念和方法論基礎之一是考慮跨地區單位的兩個或更多人口群之間空間相互作用的潛力。這個基礎意味著需要一種空間方法來描繪鄰居之間的空間（以及社會）互動。通常，簡單的百分比（例如，黑色百分比）不是隔離的量度。由于地方空間隔離措施直到最近才出現，本文的目標有三個：（1）解釋用于測量鄰域（或地方）層面隔離水平的空間方法，（2）證明不足之處。使用一定比例的種族/族裔群體作為隔離措施，以及（3）澄清兩種常用的不同和多樣性指數的適當性。來自密蘇里州圣路易斯和伊利諾伊州芝加哥的數據用于討論這三點。一個偏向社會學的GIS應用，似乎是涉及到種族隔離方面的研究。

4.National PM2.5 and NO2 Exposure Models for China Based on Land Use Regression, Satellite Measurements, and Universal Kriging/基于土地利用回歸，衛星測量和通用克里格法的中國國家PM2.5和NO2暴露模型

室外空氣污染是全球的主要殺手，也是中國疾病負擔的第四大因素。中國是世界上人口最多的國家，每年空氣污染死亡人數最多，但中國現有國家空氣污染估算的空間分辨率普遍較低。我們通過開發和評估中國的國家經驗模型（包括土地利用回歸（LUR），衛星測量和普遍克里金法（UK））來解決這一research gap。我們用幾種方法測試得到的模型，包括（1）比較使用前向逐步回歸與偏最小二乘（PLS）回歸開發的模型，（2）比較使用和不使用衛星測量開發的模型，使用和不使用UK，以及（ 3）10倍交叉驗證（CV），以省為單元的留一交叉驗證（LOPOCV）和以城市為單元的留一交叉驗證（LOCOCV）。衛星數據和克里金法在使預測更準確方面具有互補性：克里金法改進了良好采樣區域的模型;衛星數據大大提高了遠離監視器的位置的性能。逐步前向選擇與10倍CV中的PLS類似地執行，但是優于LOPO-CV中的PLS。我們的最佳模型采用前向選擇和UK，我們為中國的年平均濃度制作了第一個高分辨率國家LUR模型。模型應用于1 km網格以支持未來的研究。 2015年，超過80％的中國人口居住在超過中國國家PM2.5標準的地區，這里的結果將公開，可能對環境健康研究有用。類似于上面第二篇的土地利用回歸模型。不過這篇增加了和人口相關的研究，切實地做到了暴露的研究。

5.Thermal evaluation of urbanization using a hybrid approach/使用混合方法對城市化進行熱評估

城市發展增加了建筑物和路面的徑流溫度，這可能對水生生物有害。但是，我們根據土地利用預測徑流溫度的能力有限。本文探討了可用于模擬徑流溫度的工具，這是一種敏感物種溪鱒（Salvelinus sp。）。明尼蘇達城市熱量輸出工具（MINUHET）和暴雨水管理模型（SWMM）被應用于弗吉尼亞州布萊克斯堡附近的Stroubles Creek流域的14.1平方公里的部分，持續兩個夏天。流量，水溫和天氣數據來自Virginia Tech StREAM實驗室（流研究，教育和管理）監測站。 SWMM和MINUHET分別針對流量和流溫度進行校準和驗證。模型對不透水性（SWMM預測的流量）和露點溫度（MINUHET預測的水溫）敏感。雖然模型輸出時間步長為15分鐘，但使用Nash-Sutcliffe效率（NSE）按小時時間步長評估模擬流量流中的模型性能。 SWMM的NSE值分別為0.67和0.65，校準和驗證期間的MINUHET分別為0.62和0.57，表明SWMM在流量模擬中的表現優于MINUHET。在驗證期間使用MINUHET模擬流溫度，NSE值為0.58，證明了令人滿意的水溫模擬。由于SWMM不能進行簡單混合以外的溫度模擬。 SWMM和MINUHET的水文和熱輸出以混合方式組合，強調每個相應模型的強度，即SWMM用于徑流和徑流，MINUHET用于水溫。使用MINUHET和Hybrid模型模擬熱負荷;混合模型（0.56）單獨使用比MINUHET（0.45）更大的NSE。 MINUHET預測表明，在校準和驗證期分別為39％和38％的情況下，水溫將超過21°C的鱒魚毒性閾值。由于觀察到的溫度分別超過了校準和驗證期的59％和53％的毒性閾值，因此MINUHET不是溫度持續時間超過毒性閾值的保守預測因子。小尺度城市化與徑流溫度對物種危害的研究，耦合了兩個模型。

6.An Analytical Framework for Integrating the Spatiotemporal Dynamics of Environmental Context and Individual Mobility in Exposure Assessment: A Study on the Relationship between Food Environment Exposures and Body Weight/在暴露評估中整合環境背景和個體流動的時空動態的分析框架：食物環境暴露與體重之間關系的研究

在過去的研究中，個人環境暴露主要是以靜態方式測量的。在這項研究中，我們開發并實施一個動態表示環境背景（環境背景立方體）的分析框架，并有效地整合個人日常運動（行為時空軌跡），以準確地推導出個人環境暴露（環境背景暴露指數）。該框架用于檢查食物環境暴露與46名參與者的超重狀態之間的關系，使用俄亥俄州哥倫布市的全球定位系統（GPS）收集的數據和二元邏輯回歸模型。結果表明，與其他廣泛使用的方法相比，所提出的框架可以對個體食物環境暴露產生更可靠的測量。考慮到個體環境暴露的復雜空間和時間動態，擬議的框架也有助于緩解不確定的地理環境問題（UGCoP）。它可用于其他環境健康研究，涉及環境影響廣泛的健康行為和結果。關美寶老師團隊的新文章，關注的是個體食物環境暴露與時空軌跡相關的研究。近期連續看到兩篇關美寶老師團隊相關的文章。食物環境暴露是一個比較新的話題，值得關注。屬于環境健康方面的另一個研究，但是之前見過一些做城市代謝研究的似乎也略有涉及。

7.Integrating spatial and temporal contexts into a factorization model for POI recommendation/將空間和時間上下文集成到POI推薦的因子分解模型中

矩陣分解是推薦系統中最常用的方法之一。但是，它面臨著與興趣點（POI）建議中的登記數據相關的兩個挑戰：數據稀缺性和隱式反饋。為解決這些問題，本文提出了一種特征空間分離因子分解模型（FSS-FM）。該模型將POI要素空間表示為單獨的切片，每個切片代表一種特征。因此，可以容易地添加空間和時間信息以及其他上下文以補償稀缺數據。此外，將因子分解模型的兩個常用目標函數（加權最小二乘和成對排序函數）組合以構建混合優化函數。對兩個真實數據集進行了廣泛的實驗：Gowalla和Foursquare，并將結果與基線方法的結果進行比較以評估模型。結果表明，FSS-FM在兩種數據集的精確度和召回率方面均優于最先進的方法。具有單獨特征空間的模型可以改善推薦的性能。包含空間和時間上下文進一步利用了性能，空間上下文比時間上下文更有影響力。此外，還證明了混合優化在改進POI推薦方面的能力。推薦系統算法和VGI數據的結合，事實上POI作為關鍵的地圖導航點，對模糊搜索之類的功能有很高的要求，因此這個研究是相對具有較大工程意義的。來自于地理所裴韜老師團隊的成果。

8.Estimating spatiotemporal distribution of PM 1 concentrations in China with satellite remote sensing, meteorology, and land use information/利用衛星遙感，氣象和土地利用信息估算中國PM 1濃度的時空分布

PM1可能比PM2.5（空氣動力學直徑≤1μm且≤2.5μm的顆粒物質）更危險。然而，由于缺乏PM1監測數據，PM1濃度及其健康影響的研究受到限制。目標：利用衛星遙感，氣象和土地利用信息，估算2005 - 2014年中國PM1濃度的時空變化。兩種類型的中分辨率成像光譜儀（MODIS）產品6氣溶膠光學深度（AOD）數據（基于暗目標（DT）和深藍色（DB）反演的）。開發廣義相加模型（GAM）以將地面監測的PM1數據與AOD數據和其他空間和時間預測因子（例如，城市覆蓋，森林覆蓋和日歷月）聯系起來。進行10折交叉驗證以評估預測能力。結果表明，PM1水平在冬季最高，而在夏季最低。總的來說，整個中國的PM1水平在過去十年中并未發生實質性變化。對于當地重污染地區，河北西南部和京津地區的PM1水平大幅上升。結論：具有衛星反演AOD，氣象和土地利用信息的GAM具有較高的預測能力來估計地面PM1。在過去十年中，環境PM1在中國達到了很高的水平。估計結果可用于評估PM1的健康影響。在見慣了大量PM2.5各類反演研究后，這一篇確實耳目一新，因為做的是PM1。可以說細顆粒物將在未來對人類健康產生持續的影響，也是需要重點關注的大氣污染物。

總結

以上是生活随笔為你收集整理的Coding and Paper Letter（二十二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。