2019獨(dú)角獸企業(yè)重金招聘Python工程師標(biāo)準(zhǔn)>>>

最近發(fā)現(xiàn)需要在快速閱讀背景下，對(duì)快餐式資源做整理與收集。以Coding（以Github）和Paper（自己看到的一些論文，論文一般主要看題目和摘要做些簡(jiǎn)單小結(jié)）的資源為主。

1 Coding：

1.QGIS上的變形地圖插件，我后面會(huì)專門來介紹變形地圖這個(gè)主題的內(nèi)容。

qgis-cartogram源碼

2.火星坐標(biāo)與地球坐標(biāo)轉(zhuǎn)換開源代碼。

命令行版

Python版

項(xiàng)目與說明

3.空間統(tǒng)計(jì)開源軟件GeoDa資源。

GeoDa 源碼

4.空間統(tǒng)計(jì)分析開源Python庫——PySAL。

PySAL GitHub

5.GIS資源鏈接整理。

Awesome GIS

6.R語言包（rasterVIS）。一個(gè)專門針對(duì)柵格做可視化的包。十分強(qiáng)大。

rasterVis GitHub

7.基于CityEngine開發(fā)的地理設(shè)計(jì)工具箱。這個(gè)項(xiàng)目討論了一系列工具，這些工具旨在使數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)能夠支持大規(guī)模方案規(guī)劃項(xiàng)目。這些工具旨在集成GIS和CityEngine，以支持創(chuàng)建大量3D內(nèi)容，以支持城市規(guī)劃/地理設(shè)計(jì)項(xiàng)目。創(chuàng)建的內(nèi)容可用于創(chuàng)建圖像作為剪切圖紙的一部分（與數(shù)據(jù)驅(qū)動(dòng)頁面一起使用），或鏈接到Web地圖中的Web內(nèi)容（通過提供彈出窗口或Web場(chǎng)景鏈接到的內(nèi)容）。這里提出的工作流程的重點(diǎn)是街道，但腳本也支持與建筑物/批次/分區(qū)可視化相關(guān)的項(xiàng)目。意圖：這些工具的目的是通過結(jié)合使用GIS和CityEngine，實(shí)現(xiàn)大規(guī)模的數(shù)據(jù)驅(qū)動(dòng)設(shè)計(jì)。

CityEngineToolKit-GeodesignToolkit GitHub

8.深度照片風(fēng)格轉(zhuǎn)換?；谏疃葘W(xué)習(xí)的照片風(fēng)格轉(zhuǎn)換。

deep-photo-styletransfer 源碼

9.R語言包（scanstatistics）。時(shí)空掃描統(tǒng)計(jì)算法的R包實(shí)現(xiàn)，這個(gè)算法最早由哈佛大學(xué)學(xué)者提出，用于疾病的空間統(tǒng)計(jì)分析。

scanstatistics GitHub

2 Paper:

1.Outdoor air pollution, green space, and cancer incidence in Saxony: A semi-individual cohort study/薩克森州的室外空氣污染，綠色空間和癌癥發(fā)病率：半個(gè)體的隊(duì)列研究。

這是目前比較有意思的一個(gè)方向，空氣污染的人群暴露、綠色空間與疾病三者的關(guān)系。使用的是薩克森州的保健數(shù)據(jù)（主要研究了口腔和咽喉，皮膚——非黑色素瘤皮膚癌 - NMSC的癌癥事件（2010-2014），前列腺癌，乳腺癌和結(jié)腸直腸癌等疾病），室外空氣污染主要考慮PM10和NO2，綠色空間使用NDVI做表征，模型選用的是多層次泊松回歸模型。結(jié)論主要是高空氣污染會(huì)增加癌癥患病風(fēng)險(xiǎn)，而增加住宅綠色空間則可以降低。

2.Spatial Morphing Kernel Regression For Feature Interpolation/基于空間變形核回歸的高維特征空間插值

針對(duì)近年來興起的帶有地理標(biāo)記的社交媒體數(shù)據(jù)——也就是志愿者地理信息數(shù)據(jù)（Volunteer Geographical Information，VGI）。這次用的是Flickr數(shù)據(jù)。首先是基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）提取了Flickr圖片的高維特征，然后針對(duì)提取的特征進(jìn)行空間插值。比較了IDW，核回歸（高斯核和空間變形核）不同插值方法的結(jié)果（以parcel classification結(jié)果為例）。

3.Social media data as a proxy for hourly fine-scale electric power consumption estimation/社交媒體數(shù)據(jù)作為小時(shí)級(jí)精細(xì)電力消耗估計(jì)的輔助數(shù)據(jù)

準(zhǔn)確預(yù)測(cè)電力需求對(duì)現(xiàn)代電力系統(tǒng)的運(yùn)行至關(guān)重要。不準(zhǔn)確的負(fù)荷預(yù)測(cè)將顯著影響電網(wǎng)效率。預(yù)測(cè)一個(gè)小區(qū)域（如建筑物）的電力需求長期以來一直是眾所周知的挑戰(zhàn)。這項(xiàng)研究分析了帶有地理標(biāo)記的推文與每小時(shí)電力消耗之間的關(guān)聯(lián)。檢索所有可用的帶有地理標(biāo)記的推文和電表讀數(shù)，并在空間上匯總到研究區(qū)域中的每個(gè)建筑物。人類活動(dòng)指標(biāo)（推文所反映的）與電力消耗之間存在高度相關(guān)性，相關(guān)系數(shù)超過0.8。非常有意思的研究。

轉(zhuǎn)載于:https://my.oschina.net/u/2424163/blog/1841876

總結(jié)

以上是生活随笔為你收集整理的Coding and Paper Letter（一）的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。