资源整理。
1 Coding:
1.简单的TensorFlow初学者教程。
2.R语言包SpatialEpiApp，运行一个Shiny Web应用程序，可以显示空间和时空疾病数据，估计疾病风险并检测集群。
3.R语言包h5，HDF库的R接口。
4.R语言包sysfonts，在R中载入字体。
5.S-RL工具箱：强化学习（RL）和状态表示学习（SRL）机器人工具箱。
6.Tectonic是一款现代化，完整，独立的TeX / LaTeX引擎，由XeTeX和TeXLive提供支持。
7.R语言包deeptime，为在深度工作的任何人工作的绘图工具。
8.R语言包probably，用于后处理类概率估计的工具。
9.R语言包ggrough，将ggplot2图表转换为roughjs。
10.一个Web应用程序，用于更轻松的Bookdown协作。
11.jupyterlab的插件，支持toc（目录）和git。
12.RINGMesh是一个C ++开源平台，用于处理地质模型的网格。
13.快速地理空间特征存储API。
14.开源项目ms bldg footprints，README没有提供多少具体信息，从文件来看，是一个比较完整的空间数据处理过程的项目。
15.R语言包pavo，用于颜色图案的光谱和空间分析的R包。
16.像素级土地分类。
pixel level land classification
17.Python库earthpy，为在博尔德科罗拉多大学的地球实验室地球分析计划中支持python教学而构建的。
18.用于植被冠层的Sellers（1985）双流辐射传输模型的Python实现。
19.用于密度估计的算法的PyTorch实现。
20.R语言包mc2d，2维的蒙特卡洛模拟工具。
21.mmdetection是一个基于PyTorch的开源对象检测工具箱。 它是香港中文大学多媒体实验室开发的open-mmlab项目的一部分。
22.R语言包ffraster，将ff数组视为栅格对象，反之亦然。
23.Mask R-CNN用于Keras和TensorFlow上的对象检测和实例分割。
24.为IPython/Jupyter笔记本绘图库。
25.“密集对象网络：通过机器人操作学习密集视觉对象描述符”论文的代码。
26.包含The Economist的Big Mac索引背后的数据，以及显示我们如何计算它的代码。
27.Python库pygdf，Python GPU的数据框的库。
28.Python库gdist，是C ++库（http://code.google.com/p/geodesic/）的Cython接口，用于计算测地距离，该距离是三维网格中三角形网格上两个顶点之间的最短线的长度
29.R语言包rdom，从R渲染和解析动态网页。
30.R语言包glmmstan，使用lmer式（lme4）公式的rstan中的广义线性混合模型。
31.R语言包Rnightlights，从夜间灯光卫星中提取数据。
32.R语言包gganimate，ggplot2的拓展包，用于做动图。
33.快速简单创造地图。
2 Paper:
黄土高原的土壤保持不仅对当地居民而且对减少黄河下游的沉积物都很重要。在本文中，我们报告了由于“退耕还林”（GFG）项目，2000年至2010年土壤侵蚀减少。利用修正的通用土壤流失方程和土地覆盖，气候和沉积物产量数据，我们发现土壤侵蚀从2000年到2010年是减少的。在此期间，为响应GFG，从农田到草地的土地覆盖变化很大。植被覆盖率低，严重侵蚀面积急剧减少，高植被覆盖面积略有侵蚀。我们的研究表明，黄土高原土壤侵蚀减少导致黄河泥沙浓度下降。评估“退耕还林”项目的土壤保持效应。
流域尺度的时空连续日蒸散量（ET）以及流域规模的组分蒸发（E）和蒸腾（T）对于制定可持续水资源战略非常有用，特别是在供水有限的地区。本研究利用基于MODIS的（双温差）DTD模型，在中国黑河流域不同土地覆盖下，对多年全天候ET，E和T进行了估算。遥感ET通过大孔径闪烁仪系统的地面测量进行了验证，源系统面积为几公里，覆盖草地，农田和河岸灌木林地。结果表明，遥感ET产生的平均绝对百分比差异（MAPD）约为20％，在晴朗的天空条件下，生长季节的地面测量值，但阴天的模型性能恶化。然而，每日ET产品给出了对MAPD值约为20％的农田的合理估计，并且T/ET和E/ET的估计与地面测量结果非常一致。 DTD模型也明显优于其他全球应用的基于遥感的模型。基于这些结果，DTD模型被认为对监测作物用水和压力以及制定有效的灌溉策略是可靠的。流域尺度的日尺度遥感ET模拟，ET在目前生态过程中是很关键的参数，而这个双温差DTD模型的验证证明确实模型的适用性较强，如果能实现大规模应用，已在流域尺度研究提供靠谱的蒸散数据，有助于理解流域尺度的生态水文过程。
3.Calculation of the terrestrial vegetation index VIUPD using MODIS/利用MODIS计算陆地植被指数VIUPD
VIUPD是一种基于UPDM的新植被指数，它几乎使用了每个传感器获得的整个植被信息。 已经证实，VIUPD通过使用地面测量数据敏感地反映植被量和植被活力程度。 本文介绍了计算VIUPD的结果，结果表明我们的结论与NDVI和EVI相比较是正确的。一个不同于NDVI和EVI数据的植被指数。
本文基于包括传统普查数据，对地观测数据和新兴互联网数据在内的综合数据集，对中国京津冀地区的人口分布和短期迁移的决定因素进行了研究。我们的研究结果表明，由于该地区城市化程度较高，自然条件不再是人口分布的最强决定因素。新的交通方式，如高速铁路，已经成为人口分布和短期移民的重要决定因素，特别是在大城市。尽管教育仍然是影响人口分布的重要因素，但传统上被认为是管理人口分布和短期移民的社会经济因素，如GDP，投资，城市化水平和技术，影响较小。这些研究结果将为京津冀地区的区域规划决策提供有价值的信息。高铁带来的城市聚集效应的研究。中国的城市发展模式似乎有很多是依赖基础设施而兴起的。
