版權聲明：本文為博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/ESA_DSQ/article/details/80960290

資源整理。

• 1 Coding：
• 2 Paper:

1 Coding：

1.近期高光譜遙感的論文和開源代碼。

LandcoverClassification_BaselineEvaluation GitHub基于高光譜數據對土地覆被進行分類的代碼。

Matlab code for hyperspectral image classification based on JSaCR GitHub發表于IEEE TGRS Letter上論文的源碼。

Multiview Marginal Discriminant Projection for Hyperspectral Images Classification
Introduction GitHubNCIG 2018的論文，高光譜影像分類。

Supervised classification of hyperspectral image(HSI) GitHub高光譜影像的監督分類器。

Deep learning library for hyperspectral image classification GitHubPython的開源庫hyspeclib，基于高光譜影像分類的深度學習庫。

ResNet-for-hyperspectral-image-classification GitHub基于殘差神經網絡的高光譜分類代碼。

Undergraduate thesis work on hyperspectral image classification GitHub研究高光譜影像的畢業論文。

hyperspectral-classification-with-svm GitHub基于SVM的高光譜影像分類。該倉庫還提供了與最小二乘法的對比。

Hyperspectral-classification-CNN GitHub基于CNN的高光譜分類。

Hyperspectral-Imagery-Classification GitHub發表于IEEE Remote Sensing Letter的關于高光譜影像分類的文章的代碼。

2018 IEEE GRSS Data Fusion Contest GitHubIEEE的數據融合競賽。主要提供高光譜、LiDAR和高分辨率RGB影像。

Hyperspectral-Image-Classification GitHub高光譜影像分類的代碼（Tensorflow）。

hyperspectral_data_classification GitHub高光譜影像分類開源代碼。

HSI_Classification GitHub高光譜影像的分類代碼。方法包括knn, svm, 1D-CNN, 2D-CNN, 3D-CNN, DPPN, DCPN。

Hyperspectral classification using DNN improved by attention and inception structure GitHub使用DNN改進的高光譜分類開源代碼。

spectral GitHubPython用于高光譜影像處理的模塊spectral。

Indian_pines_classification GitHub一個使用CNN與keras的簡單分類器用于印度松樹高光譜圖像分類。

Dimensionality reduction and classification on Hyperspectral Image Using Python GitHub基于Python的高光譜圖像降維與分類。

Matlab Hyperspectral Image Classification ToolboxMatlab的高光譜影像分類工具箱。

2.激光雷達與高光譜在森林遙感中應用。

DeepForest GitHub利用激光雷達和高光譜數據與卷積神經網絡進行樹分割和分類。

3.R語言包compareDF。用于比較兩個數據框。

compareDF

4.基于PyQGIS的加權Voronoi算法實現。這個也是比較有意思的一個算法。后面可以來考慮介紹下這個內容。

Weighted-Voronoi-PyQGIS

5.R語言包cartogram，R語言中變形地圖的包。后面會針對不同軟件實現變形地圖做些介紹。

cartogram

6.R語言包spdplyr。R語言數據清洗與重構神器dplyr的空間拓展。

spdplyr

7.R語言與ArcGIS的橋接庫。也先挖坑吧，這個也是想介紹的內容之一。

R-ArcGIS bridge

8.R語言包ggspatial。ggplot2對空間要素的擴展。

ggspatial

9.基于SportUV數據對NBA球員的分析代碼。

NBA-Player-Movements

10.一個NASA開放數據的簡單Python接口pyNASA。

pyNASA

11.R語言包rnoaa，可以連接許多NOAA數據的API接口。

rnoaa

12.Markdown中繪制流程圖的兩種方式。

1 mermaid

2 flowchart.js

13.R語言包velox。R語言中快速操作柵格的包，運行速度快于raster等。

velox

2 Paper:

1.Inference in multiscale geographically weighted regression/多尺度GWR的推論

最近的一篇論文（Fotheringham et al.2017）通過允許GWR中的帶寬或平滑因子為模型中的每個協變量分別導出，顯著擴展了眾所周知的地理加權回歸（GWR）框架—— 一個稱為多尺度GWR的框架（MGWR）。然而，MGWR框架的一個限制是，到目前為止，沒有關于局部參數估計的推斷是可能的。本文通過將GWR重新設計為廣義加法模型（GAM）來解決此限制，將此框架擴展到MGWR，然后導出MGWR中本地參數的標準誤差。

2.Spatially-correlated Multilevel Models: A Generic Specification with Spatially-Local Regularization/空間相關的多層次模型：具有空間局部正則化的通用規范

多層次（或方差分量）模型已應用于區域科學，流行病學和polimetrics的許多領域。它們最常用于模擬政策制度中的非平穩性處理，這是一種空間過程異質性。具有空間相關分量的多級模型越來越多地用于模擬空間異質性和空間依賴性的存在。在本文中，開發了用于空間相關多層次模型的通用Gibbs采樣器，并在癌癥篩查模型中檢查其性質。

3.Assessing the Potential of Land Use Modification to Mitigate Ambient NO2 and Its Consequences for Respiratory Health/評估土地利用變化減少環境NO2及其對呼吸系統健康的影響的潛力

這篇文章使用了波特蘭 - 希爾斯伯勒 - 溫哥華（美國）的夏季和冬季NO2空間密集觀測來建模，并且使用隨機森林（一種集合數據學習技術）研究NO2與LULC的空間變化。隨機森林模型與BenMAP一起進一步用于更好地理解LULC，環境NO2和呼吸系統健康之間的關系。還使用靈敏度分析研究了土地利用改變對環境NO2的影響，并且如何影響呼吸健康。結果顯示與道路和樹冠區相關的NO2可能影響4-12歲兒童哮喘急性發作的年發病率。

4.Quantifying particulate matter accumulated on leaves by 17 species of urban trees in Beijing, China/量化中國北京17種城市樹木積累的顆粒物質

這項研究使用洗滌和稱重方法來量化17種城市植物物種（包括4種灌木和13種樹木）葉片表面和葉子蠟質內水溶性離子和不溶性PM的積累。沉積的PM以三種尺寸分數確定：細（0.2-2.5μm），粗（2.5-10μm）和大（>10μm）。在各種物種中檢測到PM積累的顯著差異。側柏（Platycladus orientalis）和華山松（Pinus armandi）的葉子是捕獲PM的最有效的。在整個物種中，65％和35％的PM平均分別沉積在葉片表面和蠟質中。

總結

以上是生活随笔為你收集整理的Coding and Paper Letter（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。