资源整理。
1 Coding:
1.自动设置GOMAXPROCS以匹配Linux容器CPU配额。
2.文言文編程語言。今天来自机器之心的推送，虽然我已经先看到了。来自CMU大四的大佬。
3.此程序包中的文件采用云优化的GeoTIFF格式，可以在PROJ 7或更高版本的PROJ数据目录中解压缩。
4.该存储库是The Carpentries模板，用于创建研讨会的网站。
5.R语言包shinyglide，Shinyglide是一个R包，借助Glide JavaScript库，它可以为shiny应用程序提供类似于播放组件。
6.GeoGeometry是一组算法和函数，用于通过地理坐标处理geohash和几何形状。
7.将geoJSON MultiPolygon或Polygon转换成构成它的geohash列表。
8.找到一个多边形中的所有geohash。 用Java实现。
9.R语言包RavenR，用于处理Raven水文建模框架的输入，输出和诊断。
10.R语言包esri2sf，从ArcGIS Server爬取地理要素，通过ESRI的ArcGIS Server仍然可以传递许多地理数据。 利用来自R或Pandas等数据分析平台的GIS服务器中的地理数据并不容易。 使用此软件包，用户可以通过服务器的REST API从R中刮除ArcGIS Server中的矢量数据。 它从ArcGIS Server下载地理要素，并将其另存为sf。
11.Babylon.js是一个功能强大，美观，简单且开放的游戏和渲染引擎，打包在一个友好的JavaScript框架中。
12.R语言包memoise，提供了一种简单的语法，适用于如下情况：使用相同的输入多次调用一个函数，则通常可以通过保留可以检索的已知答案的速度来加快处理速度。
13.球体上的计算几何和空间索引。
14.R语言包tfprobability，TensorFlow probability是一个基于TensorFlow进行统计计算和概率建模的库，这个包是它的R接口。
15.信息库，用于跟踪自然语言处理（NLP）的进度，包括数据集和最常见NLP任务的最新技术。
16.R语言包cli，制作美观实用的命令行界面的工具。
image
17.神经图像字幕生成教程。
Neural Image Caption Generation Tutorial
18.基于样式的GAN架构（StyleGAN）在数据驱动的无条件生成图像建模中产生了最新的结果。Tensorflow实现。
19.该存储库包含深度强化学习算法和环境的PyTorch实现。
Deep Reinforcement Learning Algorithms with PyTorch
20.该项目解释了可解释机器学习中当前方法的局限性，例如部分依赖图（PDP，累积局部效应（ALE），置换特征重要性，留一协变量（LOCO）和局部可解释模型不可知的解释（LIME） ）。所有这些方法都可以用来解释训练有素的机器学习模型的行为和预测。
21.操纵和分析几何对象。Shapely是BSD许可的Python软件包，用于操纵和分析平面几何对象。 它基于广泛部署的GEOS（PostGIS的引擎）和JTS（移植了GEOS的）库。
22.Coverage.py通常在测试执行期间测量代码覆盖率。 它使用Python标准库中提供的代码分析工具和跟踪钩子来确定哪些行是可执行的，哪些行已执行。
23.在现有DL框架之上构建的Python软件包，用于简化图上的深度学习。
24.Github的issue模板。
25.跨平台，GPU加速的终端仿真器。
26.受Pandas和LINQ启发的JavaScript数据转换和分析工具包。
27.R语言包gdalUtils，GDAL的R包。可以直接调用GDAL的各个函数。
28.制作六边形的shiny程序。
29.显示动态的，自动组织的，可定制的网络图。
30.pysal中的地貌演示数据集。
31.HR Analytics Meetup London的演示文稿和其他代码2019年3月18日。
32.xyzpy是一个python库，用于高效地生成，处理和绘制具有许多维的数据，而这些维是数值模拟中经常发生的类型。 它完全位于标记的N维数组库xarray的顶部。
image
33.这是NeurIPS提交的"Scene Representation Networks: Continuous 3D-Structure-Aware Neural Scene Representations"代码实现。
34.Patrick Schratz博士期间所有的演讲与参加的研讨会。
35.R语言包cbuild，cbuild的目标是提供用于交互使用C以及构建R包时使用的工具。
36.英国大选的三元图。
37.R语言包RGISTools，用于从Landsat，MODIS和Sentinel下载，自定义和处理卫星图像的时间序列的工具。
38.基于CentOS 8构建Shiny仪表盘的Docker镜像。
39.PyTorch中密集物体检测的焦点损失。
image
40.用numpy的ufuncs包装GEOS几何函数。
41.Jony的博客，前端方面的博客。
42.授粉媒介监测方案和Hoverfly记录方案数据的集成建模代码。
43.python/pytorch中的无监督学习和生成模型。
44.python-dbn旨在尝试使用不同的深度学习架构。
45.深度学习教程。
46.图像颜色选择器使您可以选择图像像素的颜色。
47.哔哩哔哩云，支持任意文件的全速上传与下载。
48.Derrick是帮助您在几秒钟内将应用程序进行打包docker容器的工具。 Derrick专注于本地开发环境中开发人员的工作流。
49.使用Pyspark简化了敏捷数据科学工作流程。
50.NeurIPS 2019研讨网站。
51.R语言包ggfree，用基础R绘图实现ggplot2风格式绘图。
image
52.一种使用rayshader和ggmap软件包在3D DEM上叠加Google Map卫星图像的快速方法。
image
53.Modeling uncertainty in the Earth Sciences一书的教学材料。
Modeling uncertainty in the Earth Sciences
54.应用机器学习简介。
55.使用Julia编程语言处理CSV和其他定界文件的实用程序库。
56.Automagic是基于MATLAB的工具箱，用于预处理EEG数据集。 它的开发旨在为大（小）EEG数据集提供用户友好的预处理软件。 该软件可以通过图形用户界面（GUI）进行控制，不需要任何编程知识。 它在Matlab（R2016b和更高版本）上运行。
57.生成模型的集合，例如 GAN，Pytorch和Tensorflow中的VAE。 这里还介绍了RBM和亥姆霍兹机。
58.EfficientNet的PyTorch实现。
59.提供R函数以下载csv文件并将其从OneDrive共享链接导入R。
60.Javascript在数据科学的应用简介。
61“Docker for the User”的幻灯片，代码和资源链接，在nyhackr上发布于2018-07-11。
62.用JavaScript实现的算法和数据结构，并带有解释和进一步阅读的链接。
63.用于空间敏感性分析的scala库。
64.AWS的MODIS数据。
65.R语言包rasterDT，rasterDT使用data.table提供的快速索引，聚合和赋值操作，以快速替代几种栅格数据包功能。 它提供的功能比它们替换的raster包功能快5到25倍。
66.一款浏览器端的 Markdown 编辑器。
67.基于 Vue、Vditor，所构建的在线 Markdown 编辑器，支持流程图、甘特图、时序图、任务列表、HTML 自动转换为 Markdown 等功能。
68.R语言包prettycode，如果终端支持，请使用ANSI颜色将一种功能的标准打印方法替换为执行语法突出显示的一种功能。
image
69.用于序列标注的框架。
BiLSTM Attention CRF Seq labeling
70.收集针对NLP问题的机器学习和Tensorflow深度学习模型。
71.日本的天气可视化。
image
2 Paper:
青藏高原构成了独特的山区生态系统，可用于及早发现气候变化对生态系统功能的影响。我们使用MAPSS-CENTURY 2（MC2）这个动态的全球植被模型，研究了在一个中低变暖情况下，过去生态系统（1961-2010年）和未来生态系统（2011-2080年）对气候变化的潜在响应。 （RCP4.5）在中国西北黑河流域（UHRB）的1 km空间分辨率上。结果表明，过去流域面积的21.4％经历了潜在的自然植被类型的变化，到2070年代将有42.6％的土地发生变化，其特征是高寒带苔原急剧增加，代价是寒冷的贫瘠土地。自1980年代中期以来，净初级生产力（NPP）和异养呼吸（RH）急剧增加，预计将来将保持较低的速度。总体而言，UHRB在1961–2010年从碳中性转变为碳汇，并且碳汇强度预计在2040年后下降。此外，由于降水的轻微减少和降雨的增加，未来的气候变化预计将导致水产量的下降。蒸散量（ET）增加。此外，我们在模拟的生态系统动态中发现了较大的空间变化，包括高寒地区的NPP，RH和ET呈上升趋势，而中高海拔森林地带呈下降趋势。这些结果强调了气候变化对山区流域的潜在影响的复杂性，这些山区流域代表了干旱环境中内陆河流系统的源头。植被模型结合气候变化分析生态功能影响，高寒地区的生态系统与生态服务功能本身是比较复杂的，当前这块研究主要以非高寒地区生态系统建立，这篇是一个不错的案例研究。
中国快速的城市化加剧了其空气污染问题，并随后导致人们对城市化与PM2.5浓度之间的关系越来越感兴趣。目前，关于城市化直接影响空气质量的方式的研究已经比较成熟。然而，对邻近地区城市化对PM2.5浓度的溢出效应的量化研究仍未深入。此外，城市化在中国是一个多维现象，重要的是要区分城市化的多个方面影响PM2.5浓度的方式。以中国北京-天津-河北城市群为例，探讨了PM2.5浓度的时空变化和空间依赖格局，并进一步研究和比较了城市化多维维度对PM2的独特影响。 5个浓度。结果表明，PM2.5的空间依赖性通常发生在研究区域的200 km范围内。经济城市化对空气质量的影响远大于土地城市化或人口城市化。它被确定为代表城市化影响的最佳指标，尤其是城市化对邻近地区PM2.5浓度的溢出效应。在2000-2010年期间，本地和邻近的经济城市化对PM2.5浓度的影响显着增加。相反，土地城市化主要对重点区域的空气质量产生影响。人口城市化对整个城市群的PM2.5浓度没有显着的直接或溢出影响。这项研究提供的证据表明，在城市群中进行联合空气污染控制时，必须考虑城市内部和城市之间的城市化影响。基于环境压力扩散和转移的PM2.5税是一种可能的政策机制，可以帮助解释经济城市化对空气质量的溢出效应。基于系统的方法和以流程为中心的治理是协调城市化和空气质量管理的两种建议方法。基于PM2.5和城市化进行分析。多维城市化因子的分析。以京津冀城市群来分析。主要是提出了溢出效应的分析。
3.Ice sheets matter for the global carbon cycle/冰盖对全球碳循环至关重要
碳在地球上的循环对大气中的温室气体含量产生了根本影响，并因此影响了数千年来的全球气候。 直到最近，冰盖仍被认为是这一周期的惰性组成部分，在全球模型中基本上没有被考虑。 过去十年的研究改变了这种观点，证明了存在独特适应的微生物群落，冰盖中生物地球化学/物理风化率高以及有机碳（> 104 Pg C）和养分的储存和循环的高比率。 在这里，我们评估了冰盖在全球碳循环中的积极作用，以及在变暖的世界中增强的融化和冰排放的潜在后果。NC上的文章，本身冰盖就是全球气候变化的一个关键表征，去年在空间精度会议上，武大赵羲老师荣获青年科学家奖章，她正是在国际国内领域这遥感测度冰川变化的突出空间研究者。
网友评论