Coding and Paper Letter(十六)

  1. 云栖社区>
  2. 博客>
  3. 正文

Coding and Paper Letter(十六)

胖胖雕 2018-09-05 14:37:59 浏览690
展开阅读全文

资源整理。

1 Coding:

1.Python库whitebox,用于地理空间数据高级分析。另外还有一个是whitebox tool,可运行的平台exe。

whitebox

whitebox tools

2.R语言包sgd,大规模随机梯度下降法实现。

sgd

3.亚马逊云(AWS)上的无服务器地图瓦片。

serveless tiles

4.Juila语言包GeoStats,看完感觉Juila的语法相当舒服。

GeoStats.jl

5.R语言开源项目GeolocatorAnalyses,分析地理定位器数据。

GeolocatorAnalyses

6.R语言包EmissV,自上而下核算车辆及其他排放的方法。

EmissV

7.Python库pyncloud,用于分析3D点云数据。

pyncloud

8.转换geojson文件,将普通地图转换成三角式的。

geo triangulate

9.R语言包gdalmin,最小的桥接GDAL的R包,从rgdal中重构了一些代码。

gdalmin

10.R语言包ggTimeSeries,专门做时间可视化的ggplot2拓展包。

ggTimeSeries

11.巴塞罗那大学某门课程中优化算法的实现。混合编程。主要包括遗传算法、最短路径和模拟退火。

optimization algorithms

12.Python库sql2gee,将类似SQL的查询语句解析为Google Earth Engine语法的库。

sql2gee

13.由OSRM,Valhalla和Google Maps计算的不同自行车骑行轨迹的比较探索。

router comparison

14.用于地球科学研究计算的自定义Jupyterhub模板

rces custom jupyterhub templates

15.Python库eo learn,用机器学习处理对地观测数据的框架。

eo learn

16.Python库databot,用于数据管道工作的Python快速数据驱动编程框架(网络爬虫,机器学习,量化交易等)

databot

17.R语言包CARBayes,面元数据的广义线性混合模型。

CARBayes

2 Paper:

1.Evolutionary-driven search for solar building models using LiDAR data/数据演化驱动的研究:使用LiDAR数据驱动太阳能建筑模型

寻找太阳能建筑是城市规划的主要挑战之一,特别是在发展可持续发展的城市时。 这项工作使用一种演化方法,基于机载光探测和测距(LiDAR)激光扫描数据,找到关于太阳能潜力的最佳建筑模型。 该方法考虑自适应差分进化来解决约束优化问题。 在实验中,分析了不同建筑物的布局和设计参数对太阳辐照度的影响。 矩形,T形和L形建筑被认为具有各种设计参数:位置,建筑物旋转,立面高度,屋顶高度和坡度。 实验证明,该方法能够在约束优化空间内有效地找到具有最大太阳能潜力的太阳能建筑设计。新进遥感数据和太阳能建筑数据的耦合研究。之前有篇类似的风场数值模拟,微观尺度数值模拟与遥感数据的结合也是越来越紧密。

2.A Dark Target Method for Himawari-8/AHI Aerosol Retrieval: Application and Validation/Himawari-8 / AHI气溶胶反演的暗目标方法:应用和验证

Himawari-8(H8)作为地球静止卫星,每10分钟观测一次地球的全盘图像,是研究大气气溶胶时间变化的一种非常有力的工具。 H8上的高级himawari成像仪(AHI)具有与中分辨率成像光谱仪(MODIS)类似的几个光谱带。因此,可以使用MODIS的暗目标(DT)方法从AHI数据中检索气溶胶光学深度(AOD)。基于对这两种卫星仪器红外波段的统计研究,我们发现DT区域中AHI(2.3μm)和MODIS(2.12μm)之间的短波红外波段差异可以忽略不计。同时,对于AHI传感器,从0.86μm(而不是传统的1.24μm)和2.3μm计算的归一化差异植被指数(NDVI)也可以是表面光谱反射率的良好指标。因此,本文首先提出了一种基于AHI传感器的新NDVI,以提高基于DT反演方法的表面反射率估计。然后,使用查找表策略反演DT区域上的AOD,并基于2015年8月至2016年7月在中国区域的AHI观测进行测试。所有检索结果均根据气溶胶机器人网络和太阳天空辐射计的地面测量进行验证观察网络。葵花8号的气溶胶反演,基于暗目标法。不同卫星在气溶胶反演上做了很多工作,葵花8号的貌似比较少见,值得关注。尤其是这类高时间分辨率卫星。发表于IEEE TGRS top期刊上。

3.Evapotranspiration partitioning using an optimality-based ecohydrological model in a semiarid shrubland/在半干旱灌木丛中使用基于最优化的生态水文模型进行蒸发蒸腾分配

将蒸散(ET)划分为生物成分蒸散(T)和非生物成分蒸散(E)对于了解环境变化对生态系统和水资源的影响至关重要。然而,直接测量蒸腾仍然具有挑战性。在本文中,一个基于最优性的生态水文模型植被优化模型(VOM)被应用于ET分区。结果表明,VOM模型可以合理地模拟半干旱灌丛中的ET和ET组分。总体而言,整个时期蒸腾与蒸散的比例为49%。蒸发和植物蒸腾主要发生在降水事件后的季风中。蒸发对降水事件立即作出反应,而蒸腾作用显示对这些事件的几天滞后响应。不同年份表现出季风中不同的T / ET比动态模式。有些年份在季风开始时表现出较低的T / ET比率,并且T / ET比率缓慢增加。其他年份显示整个季风的T / ET比率高。我们发现春季降水,特别是降水的大小,对季风的T / ET比值有显着影响。蒸散的研究在生态水文界和生态模型界都很重要,很多研究证明蒸散是影响生态过程模型,尤其是相关生物量净初级生产力的关键因子。这篇文章的思路值得关注,将ET划分来进行估计。

4.Enhanced multi criteria decision analysis for planning power transmission lines/增强的多准则决策分析用于规划电力运输线路

能源向替代能源的过渡需要新的输电线路将这些额外的能源生产厂与配电中心连接起来。因此,多准则决策分析(MCDA)提供了一种有用的方法来确定未来输电线路的最佳路径,同时对环境,景观和受影响公民的影响最小。由于异议可能使这样的项目恶化并反过来增加成本,因此需要有关规划程序的透明沟通,以促进公民的接受。在这种情况下,基于地理信息系统的有关标准的信息以及对可能的输电线路进行建模至关重要。但是,规划人员经常忘记潜在的多准则决策分析和使用的数据可能会导致偏差的结果。因此,本研究通过对多准则决策分析应用灵敏度分析,实证研究各种MCDA参数的影响。该分析的输出结合聚类分析,主成分分析和多变量方差分析进行评估。我们的结果表明,通过使用不同的MCDA参数组合,可以增加不同走廊替代方案的可变性。特别是,我们发现在区域上应用连续边界模型会产生比使用锋利边缘模型更明显的走廊替代方案,并且更好地反映了保护区域免受输电线路影响的实际规划实践。比较两个研究领域的结果,我们得出结论,我们的决策模型在两个地点的表现相似,因此,建议的增强决策模型的程序适用于具有可比地形的其他研究区域。这些结果可以帮助决策者和输电线路规划者简化和改进他们的决策模型,从而提高可信度,合法性,从而提高实际适用性。MCDA用于输电线路规划的研究,考虑了模型灵敏性,对于决策分析而言更具备工程意义。是个很不错的研究,是ETH实验室团队在刚刚举行的今年澳大利亚墨尔本国际地理信息科学大会的成果。

5.Hydrological Performance of Green Roofs at Building and City Scales under Mediterranean Conditions/地中海条件下建筑尺度和城市尺度绿色屋顶的水文特性

绿色屋顶是一种特殊类型的可持续城市排水系统(SUDS);他们的目标是通过在不同的层中储存水,延迟水文响应和恢复蒸发蒸腾来管理源头的径流。他们在地中海地区表现的证据仍然很少。本文的主要目的是分析地中海条件下建筑和城市规模的绿色屋顶的水文性能。在Benaguasil(西班牙巴伦西亚)监测了一年的绿色屋顶和传统屋顶。记录和分析降雨量和流量数据。水文模型在建筑尺度上进行了校准和验证,以分析绿色屋顶的水文长期效率,并将其与传统屋顶的水文长期效率进行比较。结果表明,即使在地中海等干燥气候下,绿色屋顶也能提供良好的水文性能。此外,考虑到获得的平均径流系数减少,它们在城市尺度上的影响也很显着。绿色屋顶是海绵城市建设中重要的人工绿色基础设施之一。关于它的水文特性研究,在中国却很少,之前笔者在参加LID2016会议时,就有很多人提出来目前中国在海绵城市走得太快,很多基础理论研究并没有进行。我想这一方面就是个关键。

网友评论

登录后评论
0/500
评论
胖胖雕
+ 关注