Coding and Paper Letter（三十六）
資源整理。
1 Coding:
1.簡單的TensorFlow初學者教程。
2.R語言包SpatialEpiApp，執行一個Shiny Web應用程式，可以顯示空間和時空疾病資料，估計疾病風險並檢測叢集。
3.R語言包h5，HDF庫的R介面。
4.R語言包sysfonts，在R中載入字型。
5.S-RL工具箱：強化學習（RL）和狀態表示學習（SRL）機器人工具箱。
6.Tectonic是一款現代化，完整，獨立的TeX / LaTeX引擎，由XeTeX和TeXLive提供支援。
7.R語言包deeptime，為在深度工作的任何人工作的繪圖工具。
8.R語言包probably，用於後處理類概率估計的工具。
9.R語言包ggrough，將ggplot2圖表轉換為roughjs。
10.一個Web應用程式，用於更輕鬆的Bookdown協作。
11.jupyterlab的外掛，支援toc（目錄）和git。
12.RINGMesh是一個C ++開源平臺，用於處理地質模型的網格。
13.快速地理空間特徵儲存API。
14.開源專案ms bldg footprints，README沒有提供多少具體資訊，從檔案來看，是一個比較完整的空間資料處理過程的專案。
15.R語言包pavo，用於顏色圖案的光譜和空間分析的R包。
16.畫素級土地分類。
pixel level land classification
17.Python庫earthpy，為在博爾德科羅拉多大學的地球實驗室地球分析計劃中支援python教學而構建的。
18.用於植被冠層的Sellers（1985）雙流輻射傳輸模型的Python實現。
19.用於密度估計的演算法的PyTorch實現。
20.R語言包mc2d，2維的蒙特卡洛模擬工具。
21.mmdetection是一個基於PyTorch的開源物件檢測工具箱。 它是香港中文大學多媒體實驗室開發的open-mmlab專案的一部分。
22.R語言包ffraster，將ff陣列視為柵格物件，反之亦然。
23.Mask R-CNN用於Keras和TensorFlow上的物件檢測和例項分割。
24.為IPython/Jupyter筆記本繪相簿。
25.“密集物件網路：通過機器人操作學習密集視覺物件描述符”論文的程式碼。
26.包含The Economist的Big Mac索引背後的資料，以及顯示我們如何計算它的程式碼。
27.Python庫pygdf，Python GPU的資料框的庫。
28.Python庫gdist，是C ++庫（http://code.google.com/p/geodesic/）的Cython介面，用於計算測地距離，該距離是三維網格中三角形網格上兩個頂點之間的最短線的長度
29.R語言包rdom，從R渲染和解析動態網頁。
30.R語言包glmmstan，使用lmer式（lme4）公式的rstan中的廣義線性混合模型。
31.R語言包Rnightlights，從夜間燈光衛星中提取資料。
32.R語言包gganimate，ggplot2的拓展包，用於做動圖。
33.快速簡單創造地圖。
2 Paper:
黃土高原的土壤保持不僅對當地居民而且對減少黃河下游的沉積物都很重要。在本文中，我們報告了由於“退耕還林”（GFG）專案，2000年至2010年土壤侵蝕減少。利用修正的通用土壤流失方程和土地覆蓋，氣候和沉積物產量資料，我們發現土壤侵蝕從2000年到2010年是減少的。在此期間，為響應GFG，從農田到草地的土地覆蓋變化很大。植被覆蓋率低，嚴重侵蝕面積急劇減少，高植被覆蓋面積略有侵蝕。我們的研究表明，黃土高原土壤侵蝕減少導致黃河泥沙濃度下降。評估“退耕還林”專案的土壤保持效應。
流域尺度的時空連續日蒸散量（ET）以及流域規模的組分蒸發（E）和蒸騰（T）對於制定可持續水資源戰略非常有用，特別是在供水有限的地區。本研究利用基於MODIS的（雙溫差）DTD模型，在中國黑河流域不同土地覆蓋下，對多年全天候ET，E和T進行了估算。遙感ET通過大孔徑閃爍儀系統的地面測量進行了驗證，源系統面積為幾公里，覆蓋草地，農田和河岸灌木林地。結果表明，遙感ET產生的平均絕對百分比差異（MAPD）約為20％，在晴朗的天空條件下，生長季節的地面測量值，但陰天的模型效能惡化。然而，每日ET產品給出了對MAPD值約為20％的農田的合理估計，並且T/ET和E/ET的估計與地面測量結果非常一致。 DTD模型也明顯優於其他全球應用的基於遙感的模型。基於這些結果，DTD模型被認為對監測作物用水和壓力以及制定有效的灌溉策略是可靠的。流域尺度的日尺度遙感ET模擬，ET在目前生態過程中是很關鍵的引數，而這個雙溫差DTD模型的驗證證明確實模型的適用性較強，如果能實現大規模應用，已在流域尺度研究提供靠譜的蒸散資料，有助於理解流域尺度的生態水文過程。
3.Calculation of the terrestrial vegetation index VIUPD using MODIS/利用MODIS計算陸地植被指數VIUPD
VIUPD是一種基於UPDM的新植被指數，它幾乎使用了每個感測器獲得的整個植被資訊。 已經證實，VIUPD通過使用地面測量資料敏感地反映植被量和植被活力程度。 本文介紹了計算VIUPD的結果，結果表明我們的結論與NDVI和EVI相比較是正確的。一個不同於NDVI和EVI資料的植被指數。
本文基於包括傳統普查資料，對地觀測資料和新興網際網路資料在內的綜合資料集，對中國京津冀地區的人口分佈和短期遷移的決定因素進行了研究。我們的研究結果表明，由於該地區城市化程度較高，自然條件不再是人口分佈的最強決定因素。新的交通方式，如高速鐵路，已經成為人口分佈和短期移民的重要決定因素，特別是在大城市。儘管教育仍然是影響人口分佈的重要因素，但傳統上被認為是管理人口分佈和短期移民的社會經濟因素，如GDP，投資，城市化水平和技術，影響較小。這些研究結果將為京津冀地區的區域規劃決策提供有價值的資訊。高鐵帶來的城市聚集效應的研究。中國的城市發展模式似乎有很多是依賴基礎設施而興起的。