繼續(xù)之前的資源整理，前段時(shí)間有事沒(méi)有整理，最近有些空閑，先來(lái)整理，這一篇決定只更論文部分。
Paper:
交通產(chǎn)生的顆粒物（PM）是城市PM污染的重要部分，對(duì)于使用生活墻作為減少這種污染的短期策略知之甚少。本研究利用位于英國(guó)特倫特河畔斯托克（Stoke-on-Trent）繁忙道路上的生活墻/立體綠化系統(tǒng)，評(píng)估了20座生活墻/立體綠化植物減少基于交通的PM的潛力。使用環(huán)境掃描電子顯微鏡（ESEM）和ImageJ軟件來(lái)量化葉片（PM1，PM2.5和PM10）上的PM積累，并使用能量分散X射線（EDX）測(cè)定它們的元素組成。使用廣義線性混合效應(yīng)模型（GLMM）以時(shí)間為因子評(píng)估葉-PM積累的種間變異;鑒定了由于特定葉特征（氣孔密度，毛發(fā)/毛狀體，脊和溝）引起的任何差異PM積累。該研究表明，活壁植物有望去除大氣PM。不同物種捕獲的所有粒徑都有明顯不同的數(shù)量;在Juniperus chinensis L.的葉針上發(fā)現(xiàn)了最大量的所有粒徑，其次是小葉種。在PM積累和葉表面特征之間沒(méi)有明顯的相關(guān)模式的情況下，該研究強(qiáng)調(diào)了個(gè)體葉片大小在PM捕獲中的重要性，而不管它們的可變微觀形態(tài)如何。捕獲的顆粒的元素組成與基于交通的PM和各種重要的重金屬顯示出強(qiáng)烈的相關(guān)性。我們的結(jié)論是，使用主要由小葉種和針葉樹(shù)組成的生活墻/立體綠化可能會(huì)通過(guò)消除交通產(chǎn)生的PM污染來(lái)改善空氣質(zhì)量，從而改善城市居民的福祉。微觀尺度上的植被滯塵研究，結(jié)合掃描電鏡的研究非常有亮點(diǎn)，這一方面中科院生態(tài)中心周偉奇老師組也做了很多工作。而且有一個(gè)蠻有意思的就是，反而小葉種和針葉樹(shù)吸收PM污染效果好，這反而是我所沒(méi)有預(yù)料到的結(jié)果。
城市植物已被證明可以減少環(huán)境顆粒物（PM），這有助于城市規(guī)劃者控制城市空氣污染。在這項(xiàng)研究中，在一年的時(shí)間內(nèi)，在中國(guó)南京市的7個(gè)功能區(qū)域?qū)?種樹(shù)木葉片的PM沉積進(jìn)行了定量分析。結(jié)果表明葉片PM含有不同的粒徑組分（PM10和PM2.5），并且季節(jié)和物種之間存在差異。工業(yè)區(qū)PM，PM10和PM2.5總量最高，總PM累積量最高在冬季發(fā)生。在測(cè)試的樹(shù)種之間發(fā)現(xiàn)顯著差異。 Cedrus deodara表現(xiàn)出大量的PM，PM10和PM2.5總量。本研究檢測(cè)了樹(shù)種間PM的質(zhì)量和數(shù)量分布，并用掃描電子顯微鏡（SEM）確定了顆粒。結(jié)果顯示氣孔大小，密度和絨毛與PM2.5捕獲量顯著相關(guān)。據(jù)我們所知，這是第一篇介紹南京不同樹(shù)種PM的質(zhì)量和數(shù)量分布的論文。結(jié)果不僅提供了對(duì)樹(shù)種保持灰塵能力的全面見(jiàn)解，而且還為城市綠地提供了一系列物種，其目標(biāo)是減輕城市空氣中的PM。又是一篇微觀的植被滯塵研究且結(jié)合掃描電鏡，不僅針對(duì)樹(shù)種，針對(duì)葉片的性狀也給出了實(shí)證研究，并且是中國(guó)的case study。值得關(guān)注。
城市內(nèi)部土地利用變化的模擬逐漸引起了更多關(guān)注，因?yàn)檫@些方法在決策和政策制定方面極為有用。雖然之前的研究主要集中在開(kāi)發(fā)城市內(nèi)水平模擬的方法，但很少有研究解釋推動(dòng)城市內(nèi)土地利用變化的因素。城市規(guī)劃者高度關(guān)注城市內(nèi)部結(jié)構(gòu)的形成及其運(yùn)作方式。在這里，為了模擬多個(gè)城市內(nèi)的土地利用變化并確定不同驅(qū)動(dòng)因子的貢獻(xiàn)，我們開(kāi)發(fā)了一種基于隨機(jī)森林（RF）算法的元胞自動(dòng)機(jī)（CA）模擬模型。在這項(xiàng)研究中，該模型應(yīng)用了不同類(lèi)別的空間變量，包括交通位置因素，環(huán)境因素，公共服務(wù)和人口密度，作為增強(qiáng)我們對(duì)城市內(nèi)部土地利用動(dòng)態(tài)的理解的驅(qū)動(dòng)因素。 CA模型使用來(lái)自中國(guó)廣東省惠州市惠城區(qū)的數(shù)據(jù)進(jìn)行測(cè)試。該模型使用2000年至2010年的實(shí)際歷史土地利用數(shù)據(jù)進(jìn)行了驗(yàn)證。通過(guò)應(yīng)用經(jīng)驗(yàn)證的模型，模擬了2015年的多個(gè)城市內(nèi)土地利用圖。同時(shí)，使用計(jì)算了空間變量重要性度量（VIM）的RF算法的誤差估計(jì)方法。根據(jù)計(jì)算結(jié)果，我們?cè)u(píng)估和分析了該地區(qū)每個(gè)城市內(nèi)土地利用驅(qū)動(dòng)因素的重要性。該研究為城市規(guī)劃者和相關(guān)學(xué)者提供了詳細(xì)和有針對(duì)性的信息，可以幫助制定針對(duì)不同城市內(nèi)土地利用的具體規(guī)劃策略，并支持該地區(qū)的未來(lái)發(fā)展。來(lái)自中山大學(xué)劉小平老師團(tuán)隊(duì)CA-Land use simulation的研究成果，國(guó)內(nèi)土地利用模擬的翹楚團(tuán)隊(duì)，這篇文章結(jié)合了比較新穎的RF算法（雖然我覺(jué)得現(xiàn)在也是爛大街了），并且提供了RF算法的誤差估計(jì)方法，在方法上就很有新意，其次關(guān)注的是城市內(nèi)部土地利用變化——也就是城市功能區(qū)的變化，最后得到的結(jié)果就是居住用地、工業(yè)用地、商業(yè)用地和公共服務(wù)設(shè)施用地，我覺(jué)得對(duì)城市規(guī)劃的政策啟示要比單純的土地利用好得多。
背景：在過(guò)去十年中，建筑環(huán)境健康促進(jìn)在廣泛的健康相關(guān)研究中引起了顯著的關(guān)注。然而，關(guān)于健康和PA的背景影響的結(jié)果是高度異質(zhì)的。結(jié)果之間的差異可能部分地通過(guò)不同空間分析單元在評(píng)估個(gè)體對(duì)各種環(huán)境特征的暴露方面的不同使用來(lái)解釋。該研究調(diào)查了不同的住宅和活動(dòng)空間分析單元是否產(chǎn)生了關(guān)于建筑環(huán)境與健康之間關(guān)聯(lián)的不同結(jié)果。此外，本研究還探討了不同空間分析單元對(duì)環(huán)境健康相關(guān)研究的挑戰(zhàn)和機(jī)遇。
方法：使用兩個(gè)常見(jiàn)的住宅分析單元和兩個(gè)新的活動(dòng)空間模型來(lái)檢查芬蘭赫爾辛基都市區(qū)的老年人的健康狀況。行政單位，500米住宅緩沖區(qū)，家庭范圍模型和個(gè)性化住宅暴露模型被用來(lái)評(píng)估建筑環(huán)境與受訪者福利之間的關(guān)聯(lián)（n = 844）。
結(jié)果：所有四種不同的空間分析單元都產(chǎn)生了關(guān)于建筑環(huán)境特征與健康之間關(guān)聯(lián)的不同結(jié)果。只有在通過(guò)個(gè)性化住宅暴露模型評(píng)估暴露時(shí)，才發(fā)現(xiàn)綠地與健康之間存在正相關(guān)關(guān)系。發(fā)現(xiàn)可步行性指數(shù)以及行人和自行車(chē)道路的長(zhǎng)度與感知的健康措施正相關(guān)，僅與家庭范圍模型相關(guān)。此外，所有分析單元在大小，形狀以及如何捕獲不同的上下文度量方面彼此不同。
結(jié)論：結(jié)果表明，不同的空間分析單元導(dǎo)致建筑環(huán)境的測(cè)量結(jié)果差異很大。反過(guò)來(lái)，使用不同空間單位產(chǎn)生的差異似乎會(huì)顯著影響環(huán)境特征與健康措施之間的關(guān)聯(lián)。雖然不容易爭(zhēng)論這些測(cè)量的正確性，但顯而易見(jiàn)的是它們可以揭示不同的健康結(jié)果。雖然某些方法特別可用于確定促進(jìn)積極旅行和相關(guān)健康結(jié)果的環(huán)境機(jī)會(huì)的可用性，但其他方法可以讓我們深入了解實(shí)際暴露與綠色空間如何能夠增強(qiáng)健康的機(jī)制。
環(huán)境健康的暴露評(píng)估研究，事實(shí)上來(lái)說(shuō)，不同的分析單元造成的結(jié)果差異正是地學(xué)、生態(tài)學(xué)中目前的熱點(diǎn)問(wèn)題，由于尺度效應(yīng)造成的原因，多尺度研究將會(huì)是未來(lái)的趨勢(shì)，另外綠地、以及可步行性對(duì)健康的效應(yīng)值得關(guān)注。一個(gè)是降低污染和心理壓力，一個(gè)是吸引步行從而鍛煉身體（從個(gè)人直觀來(lái)看目前閱讀的一些文獻(xiàn)內(nèi)容是這么解釋的）。
描繪城市功能區(qū)為理解復(fù)雜的城市系統(tǒng)和建立合理的城市規(guī)劃提供了有用的見(jiàn)解。盡管一些研究證實(shí)了遙感影像在城市研究中的有效性，但仍然沒(méi)有研究將遙感影像與新的人類(lèi)感知數(shù)據(jù)（如手機(jī)定位數(shù)據(jù)）相結(jié)合來(lái)識(shí)別城市功能區(qū)。在這項(xiàng)研究中，開(kāi)發(fā)了一個(gè)集成遙感影像和手機(jī)定位數(shù)據(jù)的新框架，用景觀和人類(lèi)活動(dòng)指標(biāo)分析城市功能區(qū)。根據(jù)遙感圖像的土地覆蓋計(jì)算景觀指標(biāo)。從大量的手機(jī)定位數(shù)據(jù)中提取人類(lèi)活動(dòng)。通過(guò)整合它們，城市功能區(qū)（城市中心，分中心，郊區(qū)，城市緩沖區(qū)，過(guò)境區(qū)和生態(tài)區(qū)）通過(guò)層次聚類(lèi)來(lái)識(shí)別。最后，對(duì)三個(gè)典型的橫斷面進(jìn)行了梯度分析，以研究景觀和人類(lèi)活動(dòng)的模式。以中國(guó)深圳為例，進(jìn)行的實(shí)驗(yàn)表明，深圳城市功能區(qū)的景觀和人類(lèi)活動(dòng)模式并不完全符合古典城市理論。結(jié)果表明，遙感影像與人類(lèi)感知數(shù)據(jù)的融合可以很好地刻畫(huà)深圳復(fù)雜的城市空間結(jié)構(gòu)。城市功能區(qū)有可能成為城市結(jié)構(gòu)，人類(lèi)活動(dòng)和城市規(guī)劃政策之間的橋梁，為合理的城市規(guī)劃和可持續(xù)城市發(fā)展政策制定提供科學(xué)支持。城市功能區(qū)的分類(lèi)越來(lái)越受到研究學(xué)者的重視，而所謂的human sensing data與北京大學(xué)劉瑜老師2015年提的social sensing是不謀而合，深圳大學(xué)的團(tuán)隊(duì)也在這方面做了很多深入的研究，總的來(lái)說(shuō)，利用ICT技術(shù)產(chǎn)生的LBS、社交媒體和手機(jī)信令等現(xiàn)在流行的大數(shù)據(jù)進(jìn)行城市地理方面研究，確實(shí)會(huì)給城市地理學(xué)注入新的活力。當(dāng)然也要同時(shí)規(guī)避這些數(shù)據(jù)所產(chǎn)生的不確定性（這一方面我推薦關(guān)美寶老師的文章）。
地理學(xué)家在公共衛(wèi)生研究中發(fā)揮著重要作用，特別是在了解醫(yī)療保健的可及性，利用率和個(gè)人醫(yī)療保健經(jīng)驗(yàn)方面。大多數(shù)可訪問(wèn)性研究都受益于地理信息系統(tǒng)（GIS）日益復(fù)雜化。一些研究通過(guò)半結(jié)構(gòu)化的深度訪談得到了加強(qiáng)，以了解人們獲得醫(yī)療保健時(shí)的個(gè)人經(jīng)歷。然而，很少有可訪問(wèn)性研究明確利用個(gè)人深度訪談數(shù)據(jù)來(lái)構(gòu)建新的GIS可訪問(wèn)性措施。使用包括GIS分析在內(nèi)的混合方法和來(lái)自半結(jié)構(gòu)化深度訪談的個(gè)人數(shù)據(jù)，我們提供滿意度調(diào)整距離作為GIS中可訪問(wèn)性概念化的新方法。基于俄亥俄州哥倫布市（美國(guó)）主要是低收入社區(qū)的實(shí)地調(diào)查，我們發(fā)現(xiàn)許多居民認(rèn)為社區(qū)醫(yī)療機(jī)構(gòu)提供的是低質(zhì)量的醫(yī)療服務(wù)，這表明他們?cè)噲D獲得高質(zhì)量的醫(yī)療設(shè)施時(shí)會(huì)增加感知距離。滿意度調(diào)整的距離度量是一些居民在低收入城市社區(qū)尋找高質(zhì)量醫(yī)療保健時(shí)的感知距離。通過(guò)這種方式超越傳統(tǒng)地理信息系統(tǒng)并重新構(gòu)建可訪問(wèn)性，我們可以更加真實(shí)地描述低收入城市居民在嘗試獲得高質(zhì)量醫(yī)療設(shè)施時(shí)所面臨的問(wèn)題。這項(xiàng)工作對(duì)于概念化醫(yī)療保健可及性具有理論意義，推進(jìn)了混合方法學(xué)文獻(xiàn)，并爭(zhēng)論在城市社區(qū)中更公平地分配高質(zhì)量的醫(yī)療保健。關(guān)美寶老師的成果，本科期間參與過(guò)師妹醫(yī)院GIS可達(dá)性分析的項(xiàng)目，也聽(tīng)過(guò)師兄碩士畢業(yè)論文答辯，事實(shí)上對(duì)于低收入群體的醫(yī)療公平性問(wèn)題研究，我覺(jué)得是社會(huì)學(xué)更為關(guān)注的，但是卻也是更為人道，更為追求社會(huì)公平的一項(xiàng)研究。此外，根據(jù)最近SDGs的火熱程度，我預(yù)估這方面的研究將成為未來(lái)的熱點(diǎn)。
7.Does bus accessibility affect property prices?/公交可達(dá)性是否會(huì)影響房?jī)r(jià)？
現(xiàn)有的研究已經(jīng)就公交車(chē)的可達(dá)性效益得出了一致的結(jié)論。大多數(shù)現(xiàn)有的研究都是在西方的背景下進(jìn)行的，那里的公共汽車(chē)乘客量普遍很低。在這項(xiàng)研究中，我們使用了中國(guó)廈門(mén)358個(gè)住宅區(qū)的22,586個(gè)二手住宅物業(yè)數(shù)據(jù)庫(kù)，開(kāi)發(fā)了四個(gè)非空間特征定價(jià)模型（一個(gè)標(biāo)準(zhǔn)和三個(gè)Box-Cox變換）和兩個(gè)空間計(jì)量經(jīng)濟(jì)模型來(lái)量化其影響。公共汽車(chē)在房地產(chǎn)價(jià)格上的可獲得性，并分析空間計(jì)量經(jīng)濟(jì)模型的引入將如何影響這些效益的估計(jì)。我們的研究結(jié)果如下。 （1）巴士站的通道與物業(yè)價(jià)格正相關(guān)。這一結(jié)果與主流研究的結(jié)果形成對(duì)比。對(duì)于500米范圍內(nèi)的每個(gè)巴士站，物業(yè)的價(jià)格高出0.5％，其他條件相同。 （2）到主要目的地的公共汽車(chē)旅行時(shí)間對(duì)房?jī)r(jià)的影響很大。 （3）考慮空間自相關(guān)的空間計(jì)量經(jīng)濟(jì)模型優(yōu)于傳統(tǒng)的特征定價(jià)模型。一些穩(wěn)健性檢查分析進(jìn)一步保證了本研究的合理性。然而，由于公共汽車(chē)旅行的吸引力下降和未來(lái)幾年的持續(xù)運(yùn)輸服務(wù)增加，公共汽車(chē)可達(dá)性提供的價(jià)格溢價(jià)可能會(huì)逐漸降低，甚至最終被丟棄。公交可達(dá)性對(duì)于房?jī)r(jià)的影響在廈門(mén)的實(shí)證研究?？梢蕴骄恳幌铝硗獾囊蛩貙?duì)房?jī)r(jià)的影響（也是西方的結(jié)論的實(shí)證研究），研究思路蠻有意思。
首次使用太陽(yáng)光度計(jì)的地面觀測(cè)AOD評(píng)估暗目標(biāo)（DT）和深藍(lán)（DB）算法生成的中分辨率成像光譜儀（MODIS）集合6（C6）氣溶膠光學(xué)深度（AOD）產(chǎn)品。重慶，中國(guó)西南部的一個(gè)多山的大城市。驗(yàn)證結(jié)果表明，DT算法的MODIS AOD與太陽(yáng)光度計(jì)的相似，盡管有輕微的高估。然而，與太陽(yáng)光度計(jì)相比，DB算法大大低估了MODIS AOD。誤差分析意味著表面反射率估計(jì)的偏差是兩種算法的主要誤差源。 DT算法的云篩選方案比DB算法更有效。在兩種算法的質(zhì)量控制過(guò)程中應(yīng)考慮云附近效應(yīng)。敏感性試驗(yàn)表明，在重慶等復(fù)雜地形區(qū)域，應(yīng)根據(jù)當(dāng)?shù)厍闆r仔細(xì)選擇衛(wèi)星產(chǎn)品驗(yàn)證中的配置方法。當(dāng)比較MODIS產(chǎn)品的月平均AOD與太陽(yáng)光度計(jì)觀測(cè)時(shí)，表明Terra MODIS AOD產(chǎn)品有效代表夏季和秋季的平均狀態(tài)，但Aqua MODIS AOD的月平均值在重慶是有限的。對(duì)遙感產(chǎn)品的地面驗(yàn)證，這是定量遙感的關(guān)鍵一步，盡管現(xiàn)在很多研究沒(méi)有做這一步，但是當(dāng)?shù)孛骝?yàn)證的數(shù)據(jù)慢慢增多之后，才能真正的定量。
本文提出了一種回歸模型，使用特征向量空間濾波（ESF）方法來(lái)估計(jì)地面PM2.5濃度。協(xié)變量來(lái)自遙感數(shù)據(jù)，包括氣溶膠光學(xué)深度，NDVI，LST，氣壓，相對(duì)濕度，行星邊界層高度和數(shù)字高程模型。此外，模型中還使用了工廠密度和道路密度等社會(huì)變量。以長(zhǎng)江三角洲地區(qū)為研究區(qū)域，利用2015年12月至2016年11月期間的數(shù)據(jù)，建立了不同時(shí)間尺度的基于ESF的回歸模型（ESFR）。我們發(fā)現(xiàn)ESFR模型有效地過(guò)濾了空間自相關(guān)。與傳統(tǒng)的OLS模型相比，OLS殘差導(dǎo)致擬合優(yōu)度度量的增加以及殘差標(biāo)準(zhǔn)誤差和交叉驗(yàn)證誤差的減少。年度ESFR模型解釋了PM2.5濃度變異性的70％，比非空間OLS模型高16.7％。通過(guò)ESFR模型，我們對(duì)研究區(qū)PM2.5濃度的空間和時(shí)間分布進(jìn)行了詳細(xì)分析。模型預(yù)測(cè)低于地面觀測(cè)但與總趨勢(shì)相符。實(shí)驗(yàn)表明，ESFR為PM2.5分析和預(yù)測(cè)提供了一種有前景的方法。類(lèi)似于LUR的全遙感建模方法，非常有借鑒意義。
美國(guó)西部的森林生態(tài)系統(tǒng)長(zhǎng)期以來(lái)受到木材采伐和滅火的影響，最近還通過(guò)減少火災(zāi)管理燃料的處理方式。準(zhǔn)確量化燃料處理引起的森林結(jié)構(gòu)變化是評(píng)估其影響的重要步驟。衛(wèi)星圖像衍生植被指數(shù)，如歸一化植被指數(shù)（NDVI），已被廣泛用于繪制森林動(dòng)態(tài)圖。然而，使用這些植被指數(shù)量化森林結(jié)構(gòu)變化的不確定性尚未得到徹底研究，主要是由于缺乏全樣本驗(yàn)證數(shù)據(jù)。在這項(xiàng)研究中，我們通過(guò)在加利福尼亞州內(nèi)華達(dá)山脈北部的混合針葉林中使用雙時(shí)間空氣光探測(cè)和測(cè)距（LiDAR）數(shù)據(jù)和野外測(cè)量，在地上生物量（AGB）和冠層覆蓋中產(chǎn)生了森林結(jié)構(gòu)變化。這些LiDAR衍生的森林結(jié)構(gòu)測(cè)量用于評(píng)估使用Landsat衍生植被指數(shù)量化處理的不確定性。我們的研究結(jié)果證實(shí)，植被指數(shù)可以準(zhǔn)確地繪制燃料處理引起的森林干擾和冠層覆蓋變化的程度，但AGB變化量化的準(zhǔn)確性因治療前森林密度和處理強(qiáng)度而異。與中等密度森林相比，植被指數(shù)變化與稀疏或密集生物量的森林生物量變化相關(guān)性較弱。我們的研究結(jié)果表明，在將植被指數(shù)與AGB變化聯(lián)系起來(lái)時(shí)，研究人員和管理人員應(yīng)對(duì)其在極密或稀疏森林中的不確定性持謹(jǐn)慎態(tài)度，特別是當(dāng)處理主要去除小樹(shù)或林下燃料時(shí)。LIDAR和Landsat結(jié)合的研究，尤其是衡量林火造成的生物量不確定性估計(jì)問(wèn)題。
這篇文章一覽眾山小·可持續(xù)城市與交通已經(jīng)翻譯過(guò)。就不具體闡述了，講述的也是新興大數(shù)據(jù)在環(huán)境污染暴露評(píng)估的應(yīng)用。
林冠高度是了解森林生態(tài)系統(tǒng)和提高全球碳儲(chǔ)量量化準(zhǔn)確度的重要森林結(jié)構(gòu)參數(shù)。光探測(cè)和測(cè)距（LiDAR）可以提供精確的冠層高度測(cè)量，但其在大規(guī)模的應(yīng)用是有限的。使用LiDAR衍生的冠層高度作為地面實(shí)況來(lái)訓(xùn)練隨機(jī)森林（RF）算法并因此在沒(méi)有LiDAR覆蓋的區(qū)域中預(yù)測(cè)來(lái)自其他遙感數(shù)據(jù)集的冠層高度已經(jīng)是大規(guī)模冠層高度映射中最常用的方法之一。然而，研究地點(diǎn)的位置，植被類(lèi)型和空間尺度的差異如何影響RF建模結(jié)果仍然是一個(gè)需要解決的問(wèn)題。在這項(xiàng)研究中，我們選擇了16個(gè)研究地點(diǎn)（每個(gè)100平方公里），在美國(guó)各地進(jìn)行全機(jī)載LiDAR覆蓋，并使用LiDAR衍生的冠層高度以及光學(xué)圖像，地形數(shù)據(jù)和氣候表面來(lái)評(píng)估其可遷移性。基于射頻的冠層高度預(yù)測(cè)方法。結(jié)果顯示了從一般到復(fù)雜的一系列發(fā)現(xiàn)。在特定位置或植被類(lèi)型訓(xùn)練的RF模型不能轉(zhuǎn)移到其他位置或植被類(lèi)型。然而，通過(guò)使用來(lái)自具有各種植被類(lèi)型的所有地點(diǎn)的樣本訓(xùn)練RF算法，可以實(shí)現(xiàn)通用模型來(lái)預(yù)測(cè)不同位置和不同植被類(lèi)型的冠層高度。此外，當(dāng)研究地點(diǎn)的空間范圍小于50平方公里或者訓(xùn)練像素的空間分辨率小于500米時(shí)，空間尺度對(duì)RF預(yù)測(cè)精度的影響是顯著的。冠層高度預(yù)測(cè)精度隨空間范圍和目標(biāo)空間分辨率而增加。用多元遙感的數(shù)據(jù)探究機(jī)器學(xué)習(xí)算法模型的可移植性，其實(shí)要求算法有非常強(qiáng)的泛化能力。
地面激光掃描是估算葉片角度（包括葉片傾角和方位角）分布（LAD）的有前途的工具。然而，之前的研究主要集中在葉片傾角分布的反演上，很少有研究考慮到由于測(cè)量技術(shù)的限制而導(dǎo)致葉片方位角的分布。在本文中，我們開(kāi)發(fā)了一種基于葉點(diǎn)云分割和過(guò)濾獲得更準(zhǔn)確的葉片傾角和方位角估計(jì)的新方法，然后使用雙參數(shù)Beta分布模型擬合LAD函數(shù)。此外，我們基于LAD的精確反演，利用Nilson算法構(gòu)造了一個(gè)具有兩個(gè)參數(shù)G（θ，φ）的投影系數(shù)模型。為了評(píng)估葉片數(shù)量對(duì)葉片傾向和方位角估計(jì)的影響，我們模擬了160個(gè)單獨(dú)的葉子和10個(gè)具有不同葉片數(shù)量的樹(shù)木。此外，為了驗(yàn)證最終結(jié)果，我們還使用角度測(cè)量裝置對(duì)具有不同葉數(shù)的三棵木蘭樹(shù)進(jìn)行采樣，并手動(dòng)測(cè)量所有葉子的葉片傾斜度和方位角。結(jié)果表明，本文提出的方法可以提供準(zhǔn)確的葉片傾角和方位角。基于這些葉片傾角和方位角的模擬LAD和G（θ，φ）估計(jì)與從地面實(shí)況測(cè)量獲得的那些強(qiáng)烈相關(guān)。葉片角度事實(shí)上在植被定量遙感里非常重要，記得在牛老師介紹李小文光學(xué)幾何模型的時(shí)候有聽(tīng)到過(guò)。LiDAR的主動(dòng)遙感技術(shù)為過(guò)去僅依靠光學(xué)被動(dòng)遙感反演提供了新的可能性（畢竟IEEE TGRS大作）。
嚴(yán)重的霧霾會(huì)導(dǎo)致污染疾病，通過(guò)提高心血管和呼吸系統(tǒng)疾病的死亡率和發(fā)病率來(lái)觸發(fā)生產(chǎn)勞動(dòng)時(shí)間。衛(wèi)生研究很少考慮工業(yè)相互聯(lián)系的宏觀經(jīng)濟(jì)影響，而災(zāi)害研究很少涉及空氣污染及其對(duì)健康的影響。本研究采用供應(yīng)驅(qū)動(dòng)的投入產(chǎn)出模型，利用最新的中國(guó)多區(qū)域投入產(chǎn)出表，估算2012年中國(guó)30個(gè)省份因疾病導(dǎo)致的工作時(shí)間縮短所造成的經(jīng)濟(jì)損失。結(jié)果顯示，經(jīng)濟(jì)損失總額為3982.3億元人民幣（占2012年中國(guó)GDP的1％左右），其中大部分來(lái)自華東和中南部。受影響勞動(dòng)者總數(shù)為8219萬(wàn)?？鐓^(qū)域經(jīng)濟(jì)影響分析表明，中南，華北和華東地區(qū)間接損失占絕大部分。實(shí)際上，華北，西北和西南地區(qū)的大部分間接損失可歸因于其他地區(qū)的制造業(yè)和能源，而華東，中南和東北地區(qū)的虧損主要來(lái)自其他地區(qū)的煤炭和采礦業(yè)。在次工業(yè)層面，華北和西北地區(qū)的大部分內(nèi)陸區(qū)域性損失來(lái)自煤炭和礦業(yè)，中國(guó)東部和西南部來(lái)自設(shè)備和能源，中南部來(lái)自金屬和非金屬。這些研究結(jié)果強(qiáng)調(diào)了由于獨(dú)特的區(qū)域經(jīng)濟(jì)結(jié)構(gòu)和南北之間的依賴性，地理距離在區(qū)域相互聯(lián)系中的潛在作用以及區(qū)域內(nèi)外區(qū)域損失的區(qū)域異質(zhì)性。目前非常火的Nexus系列研究，關(guān)大博老師團(tuán)隊(duì)的成果。將空氣污染、健康和經(jīng)濟(jì)聯(lián)結(jié)做的評(píng)估，非常有意思的研究，當(dāng)然更多傾向于經(jīng)濟(jì)學(xué)。目前還在學(xué)習(xí)。
城市樹(shù)木提供了許多生態(tài)系統(tǒng)服務(wù)，包括空氣污染清除，碳封存，冷卻氣溫和為城市景觀提供美學(xué)。 樹(shù)木通過(guò)攔截植物表面的顆粒物質(zhì)和通過(guò)葉子氣孔吸收氣態(tài)污染物來(lái)消除空氣污染。 根據(jù)當(dāng)?shù)丨h(huán)境數(shù)據(jù)進(jìn)行的計(jì)算機(jī)模擬顯示，2010年加拿大86個(gè)城市的樹(shù)木清除了16,500噸（噸）空氣污染（范圍：7500-21,100噸），人類(lèi)健康影響價(jià)值為2.272億加元（范圍：5250-402.6百萬(wàn)美元））。 不同城市的年污染去除率不同，不列顛哥倫比亞省溫哥華的污染范圍高達(dá)1740噸。 總體健康影響包括避免這些城市中30例人類(lèi)死亡率（范圍：7-54）和22,000例急性呼吸道癥狀（范圍：7900-31,100）。將健康量化成生態(tài)系統(tǒng)服務(wù)價(jià)值，這也是之前在上景觀生態(tài)學(xué)課程時(shí)候所預(yù)期的看法，現(xiàn)在看到正式的論文也是非常激動(dòng)。
精細(xì)時(shí)空分辨率下的城市動(dòng)態(tài)信息對(duì)城市增長(zhǎng)模型和城市可持續(xù)發(fā)展至關(guān)重要。然而，在長(zhǎng)時(shí)間內(nèi)獲得城市化在時(shí)間和地點(diǎn)的變化信息方面仍然存在挑戰(zhàn)。在這項(xiàng)研究中，我們開(kāi)發(fā)了一個(gè)框架，通過(guò)使用Landsat數(shù)據(jù)的時(shí)間序列，以1985年至2015年的年度間隔繪制城市擴(kuò)展圖。首先，根據(jù)現(xiàn)有的國(guó)家土地覆蓋數(shù)據(jù)庫(kù)（NLCD），Landsat數(shù)據(jù)的時(shí)間序列（1985-2015）分為三個(gè)時(shí)期，即1985-2001,2001-2011和2011-2015。然后，使用表示植被，水和裸地到城市的變化的三個(gè)指標(biāo)，為每個(gè)時(shí)期實(shí)施時(shí)間分割方法。確定了變化開(kāi)始和結(jié)束的多年。相應(yīng)地生成表示先前改變，改變和改變后的階段的三個(gè)時(shí)間段。此后，使用基于變化向量分析（CVA）的NLCD輔助方法和確定的時(shí)間段對(duì)2001年之前和2011年之后的城市范圍進(jìn)行分類(lèi)。最后，根據(jù)確定的轉(zhuǎn)彎年份確定每個(gè)時(shí)期的城市化像素。我們的時(shí)間分割方法對(duì)于檢測(cè)城市增長(zhǎng)引起的變化是可靠的，在識(shí)別轉(zhuǎn)彎年（±1年）時(shí)總體準(zhǔn)確度為90％。使用獨(dú)立的驗(yàn)證樣本集，基于CVA的方法達(dá)到87％的總體準(zhǔn)確度。城市動(dòng)態(tài)變化的產(chǎn)品顯示，在美國(guó)愛(ài)荷華州得梅因和埃姆斯，城市增長(zhǎng)相對(duì)穩(wěn)定，大多數(shù)城市化地區(qū)在2 - 3年內(nèi)從植被土地轉(zhuǎn)變而來(lái)。擬議的框架能夠以年度間隔繪制城市范圍的長(zhǎng)期動(dòng)態(tài)，其結(jié)果有助于有效更新城市范圍的當(dāng)前產(chǎn)品和改善城市增長(zhǎng)模型。發(fā)表在遙感界Top上的文章，做了長(zhǎng)時(shí)間序列高精細(xì)分辨率的城市擴(kuò)張研究。最近對(duì)這方面很有興趣，可能會(huì)做深一步的學(xué)習(xí)。
基于衛(wèi)星的監(jiān)測(cè)可以反演具有更高分辨率和連續(xù)空間覆蓋的地面PM2.5濃度，以幫助制定管理戰(zhàn)略和估算健康暴露。四川盆地地形復(fù)雜，幾個(gè)城市群與中國(guó)其他地區(qū)不同：它有一個(gè)封閉的空氣盆地，具有獨(dú)特的行星邊界層動(dòng)態(tài)，積累了空氣污染。利用改進(jìn)的暗像素方法和中分辨率成像光譜儀（MODIS）數(shù)據(jù)，反演了四川盆地1 km分辨率氣溶膠光學(xué)厚度（AOD）的時(shí)空分布。反演的季節(jié)性AOD在春季達(dá)到最高值，在秋季達(dá)到最低值。基于地面的激光雷達(dá)AOD和1-km分辨率MODIS AOD之間的較高相關(guān)性（r = 0.84，N = 171）表明高分辨率MODIS AOD可用于反演地面PM2.5濃度。激光雷達(dá)測(cè)量的年平均消光系數(shù)隨著行星邊界層高度（PBLH）在100~670 m范圍內(nèi)線性增加，但在670~1800 m之間呈指數(shù)減小。來(lái)自氣象研究和預(yù)報(bào)（WRF）模型和SHIN模型，加州氣象（CALMET）模型進(jìn)行了檢驗(yàn)。PM2.5反演的最新熱點(diǎn)集中在日尺度以下的反演，大家更關(guān)注的是短時(shí)空氣污染與污染事件所產(chǎn)生的拐點(diǎn)時(shí)刻。所以接下來(lái)對(duì)時(shí)間分辨率的需求不斷上升，這個(gè)研究還是用了多個(gè)數(shù)值模擬模型進(jìn)行檢驗(yàn)，工作很全面。
房主協(xié)會(huì)（HOA）通過(guò)在美國(guó)社區(qū)規(guī)模的法律強(qiáng)制執(zhí)行的土地契約來(lái)規(guī)定景觀結(jié)構(gòu)和管理。確定HOA的位置和空間范圍對(duì)于檢查其影響至關(guān)重要。然而，這種分析因適用于這種分析的單位缺乏空間數(shù)據(jù)而混淆。本文的目的是開(kāi)發(fā)和實(shí)現(xiàn)一個(gè)自動(dòng)化地塊分類(lèi)（開(kāi)源實(shí)現(xiàn)），這是確定HOA對(duì)城市土地管理影響的目標(biāo)的第一步。使用亞利桑那州的馬里科帕縣作為試驗(yàn)臺(tái)，我們發(fā)現(xiàn)包裹合并過(guò)程將細(xì)分的數(shù)量從26,042減少到17,269，這樣邊界更好地與適用于土地契約的規(guī)則集的鄰域單元對(duì)齊。此外，在最初的訓(xùn)練期后，這個(gè)過(guò)程在短短7個(gè)多小時(shí)內(nèi)就完成了。該研究是實(shí)現(xiàn)大量分析的重要的第一步，包括在區(qū)域內(nèi)確定HOA的位置和空間范圍，并最終在全國(guó)范圍內(nèi)確定HOA與土地管理結(jié)果之間的擬議聯(lián)系。葉信岳老師的大作，鄰里尺度在社會(huì)與城市地理學(xué)是一個(gè)很重要的研究尺度，從生產(chǎn)數(shù)據(jù)角度而言，需要這樣子的成果。
城市規(guī)劃和政府決策影響城市土地利用變化。以前的城市模擬方法只關(guān)注規(guī)劃限制，以防止城市增長(zhǎng)在特定地區(qū)發(fā)展。然而，區(qū)域規(guī)劃制定了推動(dòng)城市發(fā)展的規(guī)劃政策，例如交通規(guī)劃和開(kāi)發(fā)區(qū)，這在以前的研究中很少被考慮。本研究旨在設(shè)計(jì)兩種基于細(xì)胞自動(dòng)機(jī)的未來(lái)土地利用模擬模型的機(jī)制，將不同的規(guī)劃驅(qū)動(dòng)因素整合到模擬中。第一種更新機(jī)制考慮了交通規(guī)劃的影響，而第二種機(jī)制可以模擬規(guī)劃開(kāi)發(fā)區(qū)的指導(dǎo)效果。擬議的機(jī)制適用于珠江三角洲地區(qū)，這是中國(guó)發(fā)展最快的地區(qū)之一。第一種機(jī)制通過(guò)2000 - 2013年的模擬驗(yàn)證，并證明通過(guò)考慮交通規(guī)劃提高了模擬精度。在2013 - 2052年的模擬中，實(shí)施了這兩種機(jī)制，產(chǎn)生了更加真實(shí)的城市空間格局。模擬結(jié)果可用于識(shí)別總體規(guī)劃內(nèi)的潛在城市擴(kuò)張。擬議的方法可以作為一種有用的工具，幫助規(guī)劃者在不同規(guī)劃政策的影響下評(píng)估城市演變。依舊是國(guó)內(nèi)土地利用模擬的翹楚團(tuán)隊(duì)中大劉小平老師的成果，關(guān)于規(guī)劃政策對(duì)于城市增長(zhǎng)的模擬還是很有意思的。如何做空間化就是一個(gè)比較有意思的研究。此外此文又發(fā)在了IJGIS上，該團(tuán)隊(duì)不愧為IJGIS第一論文大戶（印象中黎夏老師發(fā)的最多）。
地球觀測(cè)（EO）數(shù)據(jù)，如高分辨率衛(wèi)星圖像或LiDAR，已成為森林地上生物量（AGB）測(cè)繪和估算的主要來(lái)源。但是，管理和分析大量全球或本地可用的EO數(shù)據(jù)仍然是一項(xiàng)巨大的挑戰(zhàn)。谷歌地球引擎（GEE）利用云計(jì)算服務(wù)提供強(qiáng)大的管理和快速分析各種類(lèi)型的EO數(shù)據(jù)的能力，已成為應(yīng)對(duì)這一挑戰(zhàn)的不可估量的工具。在本文中，我們提出了一個(gè)可擴(kuò)展的網(wǎng)絡(luò)基礎(chǔ)設(shè)施，用于在很大的空間范圍內(nèi)進(jìn)行動(dòng)態(tài)AGB估計(jì)，統(tǒng)計(jì)和可視化。該網(wǎng)絡(luò)基礎(chǔ)設(shè)施集成了最先進(jìn)的云計(jì)算應(yīng)用程序，包括GEE，F(xiàn)usion Tables和Google Cloud Platform（GCP），以建立可擴(kuò)展，高度可擴(kuò)展和高性能的分析環(huán)境。設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)來(lái)證明其在傳統(tǒng)桌面環(huán)境中的性能優(yōu)勢(shì)以及在處理復(fù)雜工作流程方面的可擴(kuò)展性。此外，還開(kāi)發(fā)了一個(gè)門(mén)戶網(wǎng)站，將網(wǎng)絡(luò)基礎(chǔ)設(shè)施與一些可視化工具（例如Google Maps，Highcharts）集成，為一般公眾和地理空間研究人員提供圖形用戶界面（GUI）和在線可視化。GEE，可以說(shuō)是當(dāng)今遙感與云計(jì)算的集大成者，值得深入學(xué)習(xí)。
