GISdsq的个人博客分享 http://blog.sciencenet.cn/u/GISdsq

博文

Coding and Paper Letter(二十七)

已有 1924 次阅读 2018-9-28 15:58 |个人分类:地学思索|系统分类:科研笔记| 资源整理

资源整理。

1 Coding:

1.R语言包gribr,使用ECMWF ecCodes包的R的GRIB接口。

gribr

2.R语言包parsetidy,将R的树状数据整理为数据框。

parsetidy

3.用R做空间数据科学课程,美国GIS牛校纽约州立大学布法罗分校Adam M. Wilson教授创建。

SpatialDataScience

4.Jupyter项目,从Google Earth Engine获取的时间序列数据可视化并对其运行pyccd。

tstools online

5.Jupyter项目,用于地理空间可视化和分析的Jupyter笔记本扩展。

geonotebook

6.CatBoost是开源的梯度提升决策树库,具有开箱即用的Python,R支持的分类功能。

catboost

7.R语言包adehabitatlLT,用于分析动物迁徙。

adehabitatLT

8.R语言包adehabitat,用于分析动物生境选择。

adehabitat

9.将OSM编辑器层索引转换为QGIS XYZ切片连接。

osm editor layer index qgis

10.量化网格格式的JavaScript解码器。

quantized mesh decoder

11.一种命令行工具,用于将GeoTIFF格式的高度图转换为平铺优化网格。

tin terrain

12.Python库pysheds,Python中快速简单划分流域的包。

pysheds

13.一本全部使用Python GDAL/OGR库的秘籍。

py gdalogr cookbook

14.Python库affine,仿射变换矩阵。

affine

15.Semcity评估API项目,包含Semcity挑战的评估脚本:多类语义分割;建筑物的实例分割。

semcity eval

16.Python库animl,用于结构化数据的python机器学习库。

animl

17.用于Manifold用户的R资源。

manifoldr

18.Python库richdem,高性能的地形与水文分析。

richdem

19.用于为地图集的采样网格创建地图的代码和数据。

sampling grid maps

20.Python项目,拟合大型神经网络的。

gradient checkpointing

21.R语言包ncf,空间协方差函数。

ncf

22.GeoTrellis是一种用于高性能应用程序的地理数据处理引擎。

geotrellis

23.处理各种分辨率的全球环境图层数据。

LandGISmaps

24.R语言包stars,R的时空整理数组。

stars

25.R语言包MODIStep,MODIS处理的一个很好的包,以后考虑介绍。

MODIStep

26.R语言包labdsv,生态学的排序与多元分析。

labdsv

27.R语言包geoviz,用于绘制rayshader场景的辅助函数。

geoviz

2 Paper:

1.NPP-VIIRS DNB Daily Data in Natural Disaster Assessment: Evidence from Selected Case Studies/NPP-VIIRS DNB的每日数据用于自然灾害评估中:来自特定案例研究的证据

月度和年度夜间照明(NTL)复合数据集越来越多地用于估计社会经济状况,而国家极地轨道合作可见红外成像辐射计套件(NPP-VIIRS)日/夜波段(DNB)日常数据的使用受到限制用于检测和评估短期灾难性事件的影响。本研究探讨了每日NPP-VIIRS DNB数据在评估三种自然灾害影响方面的应用:地震,洪水和风暴。在收集灾难性事件之前一个月和之后10天的每日DNB图像,并且产生正常光的百分比(PNL)图像,作为灾前和灾后图像的平均DNB辐射率的比率。 PNL值低于1的区域被视为受事件影响。将结果与损坏的代理图和使用合成孔径雷达数据生成的洪水代理图以及报告的停电率进行比较。我们的分析表明,整体NPP-VIIRS DNB日数据可用于检测由地震,风暴和洪水事件引起的损坏和停电。云覆盖被确定为使用DNB日数据的主要限制;这些地区的救援活动,交通和社会经济状况也会影响DNB日常数据在评估自然灾害影响方面的使用。我们的研究结果提供了对每日DNB数据使用的新见解,并为可能考虑在不同情况或地区使用此类数据的研究人员和从业人员提供实用指南。华东师范大学余柏蒗老师团队的成果,关于夜间灯光日数据用于灾害评估的分析。

2.Vegetation restoration changes topsoil biophysical regulations of carbon fluxes in an eroding soil landscape/植被恢复改变了侵蚀土壤景观中碳通量的表土生物物理规律

碳通量的生物物理规则的动态可以对生态系统的碳预算产生重大影响。只有少数对这种动态的综合评估存在。为了更好地了解碳循环,我们通过生物物理规律测量了所有主要碳通量,包括中国黄土高原侵蚀土壤景观中8个径流地块的降雨,径流,入渗和沉积物产量;该地区典型的植被恢复区。结果表明,渗透到深层土壤中的表土碳通量是植被地块中表层土壤的最大外流量,其次是径流和沉积物碳排出量。相反,沉积物中的碳通量是没有植被的地表土壤中最大的外排,其次是渗透和径流碳排放。通过生物物理规则对深层的总表土碳通量约为该区域典型碳固存率的71±10%。如果未将渗透碳纳入估算中,表土碳固存能力可能被低估达43±3%。本研究结果提高了对土壤碳动态的理解,扩展了动态碳替代假说;光合作用不仅取代了侵蚀损失的侧向碳,还取代了渗透损失的垂直碳。傅伯杰院士团队的成果,分析了植被恢复区的表层土壤碳通量,丰富碳循环动态变化实证研究。

3.Current emissions and future mitigation pathways of coal-fired power plants in China from 2010 to 2030/2010年至2030年中国燃煤电厂目前的排放和未来减缓路径

作为中国最大的能源基础设施,电力部门在过去十年中消耗了中国煤炭的约一半,并威胁到空气质量和温室气体(GHG)减排目标。在这项工作中,我们使用基于单位的排放预测模型评估了2010 - 2030年中国燃煤电厂及相关排放的演变情况,该模型综合了历史电厂信息,未来发电厂车队的营业额和管端控制技术的发展。我们发现,在严格的环境法规的推动下,燃煤电厂的二氧化硫,氮氧化物和二氧化碳排放量在2010 - 2015年分别下降了49%,45%和24%,而二氧化碳增加了15%。排放。与当前能源发展规划下2030年前不断增加的二氧化碳排放量相反,我们发现积极的能源发展规划可以抑制2030年前的峰值二氧化碳排放量。由于实施“接近零”的排放控制政策,我们预测空气排放量2016 - 2030年期间污染物将显着减少。小型低效电厂的提前退役将进一步减少空气污染物和二氧化碳排放。我们的研究探索了中国燃煤电厂的各种缓解途径,这些途径可以减少煤炭消耗,空气污染物和二氧化碳排放,并提高能源效率。清华大学张强老师团队的成果,关于燃煤电厂的污染排放研究。综合了大量的能源数据、燃煤电厂数据,以及对未来的情景预测,提供一些低碳和提升能源效率的政策。

4.New Zealand’s national planted forest inventory as part of the Land Use and Carbon Analysis System/新西兰国家种植的森林资源清单作为土地利用和碳分析系统的一部分

新西兰自2007年以来实施了土地利用和碳分析系统(LUCAS),以满足“京都议定书”和“联合国气候变化框架公约”(UNFCCC)的报告要求。 LUCAS的一个重要组成部分是国家森林资源清查(NFI),涵盖所有种植园和天然林,并允许通过重新测量永久样地来估算每年的碳固存量。在LUCAS中,来自NFI的信息与模拟方法相结合,该模拟方法允许使用额外的长期数据源进行向后和向前预测,以实现对人工林的详细年度报告。在本文中,我们提供了LUCAS系统和人工林NFI的概述,并举例说明了LUCAS中的数据如何用于森林碳固存的国际报告。将来,可能需要对方法进行更改,以适应报告要求和库存方法的变化以及纯粹基于绘图和模拟方法之间的潜在差异。森林资源清查数据国外林学研究方面的应用。

5.Detecting events from the social media through exemplar-enhanced supervised learning/通过示例性增强的监督学习从社交媒体中检测事件

理解和检测社交媒体中的预期含义具有挑战性,因为社交媒体信息包含与利益主题无关的各种噪音和混乱。例如,传统的监督分类方法会产生不一致的解决方案,以检测和澄清任何给定的Twitter消息是否真的与野火事件有关。因此,设计并实施了翻新的工作流程。工作流程包括四个顺序过程:(1)应用潜在语义分析和余弦相似度计算来检查Twitter消息之间的相似性; (2)应用亲和传播来识别Twitter消息的样本; (3)再次应用余弦相似度计算,自动将样本与已知的训练结果进行匹配,(4)应用累积样本,使用支持向量机方法对Twitter消息进行分类。当检查一系列正在进行的历史野火事件时,整体修正率超过90%。社交媒体地理学与地理语义分析的一篇文章,利用比较火的几个语义分析指标,通过twitter来分析自然灾害检测。非常有意思的研究。



https://blog.sciencenet.cn/blog-3247241-1137561.html

上一篇:利用码云备份博客源文件
下一篇:Coding and Paper Letter(二十八)
收藏 IP: 124.16.167.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 23:50

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部