Coding and Paper Letter(三十九)

资源整理。

1 Coding:

1.Python库benchmark rio s3,用于在访问S3上的文件时对Rasterio / GDAL的多线程性能进行基准测试的工具。

benchmark rio s3

2.Pangeo-Binder Cookiecutter模板。

cookiecutter pangeo binder

3.普渡大学2018年秋季学期的STAT545。

stat545 fall18

4.Google Earth Engine实施LandTrendr谱时分割算法。

LT GEE

5.Python库pandasql,pandas的sqldf,提供在pandas的数据框上使用SQL语句操作数据的方法。

pandasql

6.Segnet, FCN, UNet和其他模型在Keras的实现(Python3)。

image segmentation keras py3

7.在tensorflow中建立图网络。

graph nets

8.R语言包naniar,naniar提供了原则性,整洁的方式来汇总,可视化和操作缺失数据,与ggplot2和整洁数据中的工作流程的偏差最小。

naniar

9.GluonCV提供计算机视觉中最先进(SOTA)深度学习模型的实现。

gluon cv

10.适用于X11的最小OpenGL加载程序。

xogl

11.Python库SatelliteImage,处理来自各种卫星的图像并返回地理信息,云掩码,numpy数组,geotiff。

satellite image

12.卫星影像竞赛资源。

awesome satellite imagery competitions

13.YOLO/YOLOv2开发的深度网络,用于卫星图像上的物体检测(Tensorflow,Numpy,Pandas)。

satellite image object detection

14.一些使用python操作和可视化栅格和矢量数据的工具。

LSDMappingTools

15.raster vision的相关项目。raster vision是一个用于卫星影像和航拍影像深度学习的开源框架。

raster vision

raster vision的QGIS插件。
raster vision qgis

raster vision的一些例子。
raster vision examples

16.Python库georaster,使用osgeo和GDAL的Python的地理栅格功能。

georaster

17.Open Data Cube可以分析大陆尺度的对地观测数据。

datacube core

18.Python库satprocess,地理空间栅格数据的多光谱处理。

sat process

19.小波栅格化的Python实现,小波栅格化是一种由Bezier曲线限定的任意多边形或形状的抗锯齿栅格化的分析计算方法。

wavelet rasterization

20.Python脚本演示了Rasterio的用法。

rasterio cookbook

21.用于瓦片栅格影像的高性能Web服务。NASA全球影像服务。

onearth

22.Python里的三维渲染软件。

rasterizer.py

23.基于Python实现的免费地图下载器。

pyMap

24.ArcGIS的栅格函数。包含NDVI等指标计算的Python文件。

raster functions

25.Raster Fairy的目的是将任何类型的2D点云转换为常规栅格,同时试图保留原始云中存在的邻域关系。 一个典型的用例是,如果您有图像的相似性聚类,并希望以常规表结构显示图像。

RasterFairy

26.GitHub教师课堂指南——这是使用GitHub课堂辅助或运行课程的指南。

github classroom for teachers

27.rOpenSci博客文章的模板。

ropenblog

28.使用ImageNet预训练模型在Keras中实现密集网络。

DenseNet Keras

29.一百层Triamisu的Keras实现:用于语义分割的完全卷积密集网络。

One Hundred Layers Tiramisu

30.语义分割资源。

awesome semantic segmentation

31.具有预训练权重的Keras实现Deeplab v3 +。

keras deeplab v3 plus

32.Segnet,FCN,UNet和其他模型的Keras实现。

image segmentation keras

33.用于Keras框架图像分割的卷积神经网络“UNET”的修改。

ZF UNET 224 Pretrained Model

34.该项目有两个python包,geoTools和evalTools。 geoTools软件包旨在帮助将AWS上SpaceNet上托管的SpaceNet卫星图像数据语料库预处理为机器学习算法可以使用的格式。 evalTools包用于评估使用基础事实的对象检测算法的有效性。

utilities

35.一个示例项目,演示如何使用语义分段模型从卫星图像中提取建筑物足迹。 来自SpaceNet挑战赛的数据。

SpaceNetExploration

36.具有预训练骨架的分割模型。Keras。

segmentation models

37.使用U-Net进行图像分割。

Smoothly Blend Image Patches

2 Paper:

1.Identifying the Impacts of Social, Economic, and Environmental Factors on Population Aging in the Yangtze River Delta Using the Geographical Detector Technique/利用地理探测技术确定社会,经济和环境因素对长江三角洲人口老龄化的影响

在社会转型和空间重建的背景下,中国的人口老龄化正变得越来越多样化和复杂化。 “致富前的老龄化”是人口与经济发展的概念,对中国的可持续发展构成严重威胁。根据长江三角洲第五次和第六次全国人口普查的城镇街区规模数据,利用全局Moran’s I和热点分析研究了人口老龄化的空间分布特征,并应用地理探测技术解释了人口老龄化的空间异质性。得出了几个结论。 (1)老龄化的促进和替代并存。老化程度集群呈现出增长趋势。郊区的人口老龄化比城市地区更严重。 (2)迁移是影响人口老龄化空间异质性的主要因素。人均GDP和道路网络密度是第二大影响因素。相比之下,地表的缓解程度和空气质量指数对人口老龄化的影响最小。不同地区的老龄化机制受到不同发展水平的影响。 (3)社会,经济和环境因素之间的相互作用增强了它们的影响,因此,相互作用的因素对人口老龄化的影响比任何单一因素都大。这项研究的结果对当地居民和决策者在实现社会,经济和环境可持续性方面的人口老龄化挑战具有重要意义。老龄化地理的研究成果,利用地理探测器进行分析人口老龄化的空间异质性,在当前健康地理和老龄化地理研究中是一个不错的成果。

2.Spatial pattern and influencing factors of landslide casualty events/滑坡灾害事件的空间格局及影响因素

对2000年至2012年山体滑坡造成的人员伤亡情况进行分析后发现,其空间格局受地形和其他自然环境因素的影响,导致华南地区的滑坡灾害事件分布高于中国北方。四川西部山区和云贵高原地区,东南丘陵地区,黄土丘陵北部,天山,祁连山等地发生滑坡灾害的热点地区。然而,当地的分布格局表明,山体滑坡事故也受到经济活动因素的影响。为了定量分析自然环境和人 - 经济活动因素的影响,基于Logistic回归分析建立了中国滑坡灾害事件概率模型(LCEC)。结果表明,相对减缓,GDP增长率,年平均降水量,断层带和人口密度与滑坡造成的人员伤亡呈正相关。值得注意的是,GDP增长率仅次于相对减免,是导致山体滑坡造成人员伤亡概率的主要因素。山体滑坡事故发生概率增加2.706倍,GDP增长率增长2.72%。相比之下,植被覆盖与滑坡造成的人员伤亡呈负相关。然后应用LCEC模型计算中国各县滑坡事故事件的发生概率。结果表明,有27个县发生概率高,但伤亡事故为零。 27个县分为三类:贫困县,矿产丰富县,房地产过度开发县;这些是减少滑坡风险应该强调的关键领域。滑坡灾害的影响因素分析,考虑了自然与社会相关因子。并且分出了容易发生滑坡风险的县的类型。

3.Assessment of Sustainable Livelihood and Geographic Detection of Settlement Sites in Ethnically Contiguous Poverty-Stricken Areas in the Aba Prefecture, China/中国阿坝州民族贫困地区的可持续生计和地理位置检测

中国政府的目标是到2020年为生活在少数民族和农村地区的人们解决贫困问题,包括贫困和长期贫困最集中的山区民族地区。在可持续生计框架的基础上,建立了五个首都和33个民生评估指标,比较了阿坝藏族羌族自治州的13个县的资源,以计算贫困程度。利用8个地形因子构建了定居点地形因子指数(TFIS),利用地理探测器模型计算了2699个定居点区分主导因子的诊断,建立了不同地区的扶贫政策和模型。结果表明,民生资本评估指标不同(0.56-1.88),自然资本(平均值1.56)具有明显优势,但物理(平均值0.56),金融(平均值0.78)和人力资本较低(平均值0.93),限制了生态资源优势转化为经济的速度。在TFIS中,沉降点表示自然断点分类叠加的地形因子,包括高程,坡度,浮雕幅度,表面切口,高程方差系数,表面粗糙度,到道路的距离以及到河流的距离。它们在8-34范围内,并且它们对TFIS的功率决定因素值是0.02,0.70,0.77,0.76,0.51,0.66,0.06和0.09。生计资本评估指数与TFIS分类一(8-14)呈正相关,负相关(22-26和27-34)处于0.05水平。该县在不同民生指标和TFIS下的扶贫措施和发展表明,生态旅游产业已成为促进民族地区经济,社会和环境快速协调发展的必然选择。针对精准扶贫的研究,利用地理探测器分析得到不同的因子,可以发现贫困地区的自然资本具有明显优势,这让我想起有一个测度贫困区域的方式,是计算GDP与生态系统服务价值进行比较。

4.Local Retail Food Environment and Consumption of Fruit and Vegetable among Adults in Hong Kong/香港成年人的本地零售食物环境及水果及蔬菜消费

在西方国家之外,对当地食物环境的研究以及与饮食行为相关的证据是有限的。本文的目的是研究香港成年人当地零售食物环境与水果和蔬菜(FV)消费之间的关系。本地零售食物环境是通过使用地理信息系统(GIS)在个人家庭周围1000米欧几里德缓冲区内的不同类型的零售食品店(杂货店,便利店和快餐店)的密度来衡量的。零售食物环境指数(RFEI)是根据快餐店和便利店与杂货店的相对密度计算的。使用1977年成年人(18岁或以上)的横断面数据进行逻辑回归以检查关联。总体而言,生活在具有最高RFEI(Q4,> 5.76)的区域的人在协变量调整后不常见的FV消耗(<7天/周)的可能性(不经常的水果消耗:OR = 1.36,95%CI 1.04-1.78) ;不经常的蔬菜消费:OR = 1.72,95%CI 1.11-2.68)与最低RFEI(Q1,<2.25)相比。最高密度的快餐店(第4季度,> 53)也与不常见的水果消费(<7天/周)(未调整模型:OR = 1.34,95%CI 1.04-1.73)相比最低密度显着相关快餐店(Q1,<13)。无论模型中包含的协变量如何,在不常见的FV消耗下没有观察到杂货店或便利店密度的显着关联。我们的研究结果表明,快餐店和便利店与人们家附近的杂货店的比例是满足水果和蔬菜消费指南的重要环境因素。 “食物沼泽”(含有大量不健康食物的地区)而不是“食物沙漠”(健康食品获取途径有限的地区)似乎在香港的城市地区更为严重。我们通过在非西方环境中提供证据来推进国际文献。食品消费与饮食行为的研究,当今的健康以及相关的资源生态研究里,这也是重要一环。

5.Climate Control on Net Primary Productivity in the Complicated Mountainous Area: A Case Study of Yunnan, China/复杂山区净初级生产力的气候控制 - 以云南为例

在这项研究中,通过中国云南山区的净初级生产力(NPP)研究了海拔高度对植被与气候关系的影响。为了进行长期的详细空间分析,从多源遥感数据集构建了1982年至2014年的每月1公里NPP时间序列。 NPP和气候因子之间关系的海拔变化分别在年度,季节和月度尺度上公布。结果表明,NPP与降水的相关性逐渐从正变为负,随年升降高,与温度完全相反。季节和月度尺度的关系也是一致的,但由于气候不平衡,发现了显着的季节性异质性。还得出结论,向下流失是造成海拔高度异质性的原因,因为高海拔地区不易保留水,只有低海拔地区受益于降水增加。更重要的是,我们还发现气候干旱对NPP的影响与地形有关。大河谷有助于干旱,但在坡度波动的崎岖地区可以减轻对NPP的负面影响。通过多源遥感数据的NPP时间序列分析NPP的时间异质性及空间影响因素。季节变化较强的一个研究。