Coding and Paper Letter(十四)

  1. 云栖社区>
  2. 博客>
  3. 正文

Coding and Paper Letter(十四)

胖胖雕 2018-08-28 16:29:04 浏览654
展开阅读全文
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ESA_DSQ/article/details/82150152

资源整理。

1 Coding:

1.R语言包ungeviz,ggplot2的拓展包,专门用来作不确定性的可视化。

ungeviz

2.计算机图形学相关开源项目。

计算机图形学光线追踪开源项目C++源码。

computer graphics ray tracing

计算机图形学格网开源项目C++源码。

computer graphics meshes

计算机图形学介绍开源项目。

computer graphics

3.R语言包GLMMadaptive,基于自适应高斯积分的广义线性混合模型。

GLMMadaptive

4.R语言包walkr,在n-simplex和hyperplanes的交集中实现了MCMC随机遍历。

walkr

5.最全的中华古典文集数据库, 包含5.5万首唐诗、26万首宋诗和2.1万首宋词. 唐宋两朝近1.4万古诗人, 和两宋时期1.5K词人. 数据来源于互联网。

chinese poetry

6.R语言包rworldmap,绘制全球数据的R包。

rworldmap

7.基于Go的快速生成delaunay三角的算法实现。

delaunay

8.R语言包sigmaNet,在R中用sigma.js渲染igraph的对象。

sigmaNet

9.Pysal里的广义线性回归模型模块。

spglm

10.Giddy是一个开源python库,用于分析纬向空间数据的动态。 源于PySAL(Python空间分析库)中的空间动力学模块,正在积极开发包含新提出的分析,这些分析考虑了空间在分布演变中的作用。

griddy

11.用于可视化数据的代码和教程。

RainCloudPlots

12.R语言包collections,R的高性能容器数据类型。

collections

13.Python项目pangeo example notebooks,用于pangeo-data / helm-chart的jupyternotebook。

pangeo example notebooks

14.Pythone库pyGeostatistics,python里的地统计学包。

pyGeostatistics

15.Python项目landsat ingestor,用于将Landat数据提取到Amazon公共托管中的脚本和其他工具。

landsat ingestor

16.R语言包vctrs,vctrs的短期目标指定了组合不同类型向量的函数。

vctrs

17.R语言包worldtilegrid,ggplot2的拓展包,专门针对世界瓦片格网。

worldtilegrid

18.Geostat18完整的资料链接。详情可以见官网

geostat18 links

19.Python库keras工具箱,深度学习框架。

keras toolbox

20.R语言包GSIF,全球土壤信息数据库。

GSIF

21.ECPR暑期学校:社会科学的大数据分析。

ECPR SC105

22.Python库radarpy,处理radar的Python工具。

radarpy

23.R语言包uavRst,无人机相关遥感工具箱。

uavRst

2 Paper:

1.Spatial association detector (SPADE)/空间关联探测器

发表于IJGIS上的一篇论文,介绍了由地理探测器改进而来的空间关联探测器,是针对地理探测器的一些问题做的改进。主要是罗卫老师和他的团队提出的,我后面会详细解读此文。

2.Using Google Earth Engine for Landsat NDVI time series analysis to indicate the present status of forest stands/利用Google Earth Engine做Landsat NDVI的时间序列分析来分析林分的现状

这篇文章是国外本科生的毕业设计。该研究使用了GEE与Landsat 5和8图像一起用于研究德国三个研究区域的归一化差异植被指数(NDVI)随时间的变化。

3.Land-cover mapping using Random Forest classification and incorporating NDVI time-series and texture: a case study of central Shandong/利用随机森林分类结合NDVI时间序列和纹理进行土地覆盖制图 - 以山东中部为例

复杂农业区的土地覆盖制图是一项艰巨的任务,因为植被复杂,山体湍急,河流快速流动,需要一种精确分类复杂土地覆盖的方法。随机森林分类(RFC)具有分类准确率高和在土地覆盖制图中测量变量重要性的能力。本研究使用RFC对复杂农业区域的土地覆盖制图进行了归一化差异植被指数(NDVI)时间序列和灰度共生矩阵(GLCM)纹理变量的加法评估。在此基础上,选择最佳分类模型,提取山东中部的土地覆盖分类信息。为了探索哪些输入变量为复杂农业区的土地覆盖分类提供最佳准确度,我们评估随机森林变量的重要性。结果表明,不仅加入多时相图像和地形变量,而且加入GLCM纹理变量和NDVI时间序列变量。对随机森林分类器重要性的评估表明,关键输入变量为夏季NDVI,随后是夏季近红外波段和海拔,以及GLCM均值,GLCM对比度。中山大学刘小平老师团队的成果,针对土地覆被的分类研究,主要是在特征工程上增加了NDVI时间序列和灰度共生矩阵的一些纹理变量。

4.A Forest Attribute Mapping Framework: A Pilot Study in a Northern Boreal Forest, Northwest Territories, Canada/森林属性制图框架:加拿大西北地区北方北方森林的样地研究

提出了一种方法框架,利用样地,机载光探测和测距(LiDAR)以及星载地球科学激光高度计系统(GLAS)数据来估算加拿大北部20 Mha地区的森林属性。实施该框架是为了将森林属性模型从现场数据扩展到交叉的机载LiDAR数据,然后扩展到GLAS足迹。 GLAS数据被顺序过滤并提交给k-最近邻(k-NN)插补算法,以产生30米分辨率的林分高度和树冠闭合的区域估计。根据独立的机载LiDAR数据评估得到的输出,以评估林分高度的平均估计值和冠闭合。作为主要植被类型和生态区域的函数进行了额外的评估,以进一步评估区域产品。这些属性构成了森林清查绘图程序典型的主要描述性结构属性,并提供了在北方寒带地区如何得出这些属性的信息。机载和星载激光雷达数据的耦合研究。关于不确定性制图的思路值得借鉴。

网友评论

登录后评论
0/500
评论
胖胖雕
+ 关注