2019独角兽企业重金招聘Python工程师标准>>> 
资源整理
1 Coding：
1.Python工程，使用networkx，geopandas，mplleaflet在地图上可视化网络流。
map-network
2.R语言包rsample, 用于创建和汇总不同类型的重采样对象的类和函数。
rsample
3.R语言包lomm，lomm软件包为透明且可重现的工作流程，获取和处理空间（地球观测）数据提供了完整的工具链。 它为景观生态问题提供了一种基于证据的方法。
lomm
4.R语言包deckard，它为Uber刚刚开源的deck.gl数据可视化框架提供了一个接口。它允许用户：
- 从R交互式渲染数百万个点。
- 在浏览器中可视化数据，无需专门的软件即可提供富有表现力的可视化。
- 使用矢量tilesets而不是raster tilesets。
- 创建非地理空间数据的自定义可视化。
deckard
5.R语言包googleway,提供访问各种Google Maps API的机制，包括从R绘制Google Map并使用形状和标记覆盖它，以及从地点，方向，道路，距离，地理编码，高程和时区API检索数据。
googleway
6.将深度神经网络中的一些模型 进行统一的图示，便于大家对模型的理解。
AlphaTree graphic deep neural network
7.精选的ETL（提取，转换，加载）框架，库和软件的精选列表。ETL是大数据的关键一步。
awesome-etl
8.Chawanda等人，2018年EMS中提出的用于建立SWAT模型的自动化工作流程。
2018 Chawanda etal EMS
9.Python项目Urbansprawl。urbansprawl项目提供了一个开源框架，用于使用开放数据计算空间城市蔓延指数，评估城市蔓延。 它使用OpenStreetMap（OSM）数据来计算其蔓延指数。并使用开放数据进行分解人口估计（降尺度）
urbansprawl
10.微软开源项目DMTK。分布式机器学习工具包。
- DMTK框架（Multiverso）：用于分布式机器学习的参数服务器框架。
- LightLDA：用于大规模主题建模的可扩展，快速和轻量级系统。
- LightGBM：LightGBM是一种基于决策树算法的快速，分布式，高性能梯度增强（GBDT，GBRT，GBM或MART）框架，用于排名，分类和许多其他机器学习任务。
- 分布式字嵌入：在multiverso上实现的字嵌入分布式算法。
DMTK
11.Python书籍。又名“黑客贝叶斯方法”：介绍贝叶斯方法+概率编程与计算/理解 - 第一，数学 - 第二观点。 全部都是纯Python）。
Probabilistic-Programming-and-Bayesian-Methods-for-Hackers
12.R语言包stplanr,
stplanr
13.Python库pygwr，Python中的地理加权回归（GWR）。
pygwr
14.R-Shiny工程GWR。
GWR
15.R语言包lidR，用于林业应用的机载激光雷达数据处理和可视化的R包。
lidR
16.R语言包gwrr，适合使用诊断工具的地理加权回归模型。
gwrr
17.R语言包spnetwork,地理空间网络分析包，使用SpatialLines作为网络的edge。
spnetwork
18.UrbanSim的新版本，一个为大都市房地产市场建模的平台
urbansim
19.Python库folium，Python的Leaflet可视化库。
folium
20.Python库spandex，Spandex是一个对pandas的数据框和空间数据进行操作的函数库。UrbanSim的数据处理和归集步骤。
spandex
2 Paper:
1.Patterns of local segregation: Do they matter for neighborhood crime?/地方隔离的模式：它们对邻里犯罪有影响吗？
本文通过概念化，测量和描述种族 - 种族和经济状况的地方隔离，并检查这些条件与邻里暴力水平的联系，扩展了最近关于城市犯罪的隔离空间测量,财产犯罪和空间动态的研究。 该分析基于86个美国大城市样本中的所有8895个人口普查区域。 使用了包含地方隔离措施的多层次犯罪模型。 结果显示，除了城市层面和邻里特征外，白黑区域隔离与较低的暴力和财产犯罪有关。 相比之下，高收入家庭的低收入地方隔离与较高的犯罪，特别是邻里暴力有关。犯罪地理学近年来更为关注的都是邻里模式的小尺度犯罪研究。值得学习。
2.China’s response to a national land-system sustainability emergency/中国对国家土地系统可持续发展突发事件的响应
由景观生态领域大牛邬建国老师参与的一个研究。具体的中文介绍见此。可以说可持续科学当下是一个研究热点，同时这个学科又需要跨学科合作。
3.Urbanization-induced population migration has reduced ambient PM2.5 concentrations in China/中国城市化引起的人口迁移降低了人们对PM2.5暴露的浓度
去年11月在广州参加景观生态研讨会的时候，生态中心的韩立建老师也有类似的研究。非常有意思的主题。
4.Estimation of ultrahigh resolution PM 2.5 concentrations in urban areas using 160 m Gaofen-1 AOD retrievals/使用160 m Gaofen-1 AOD反演估算城市地区的超高分辨率PM 2.5浓度
发表于遥感领域Top期刊Remote Sensing of Environment的一篇关于PM2.5反演的文章。这项研究中，主要使用新的AOD数据估算每日PM 2.5浓度，其中通过Gaofen-1（GF）宽视场（WFV）反演的160 m空间分辨率以及嵌套线性混合效应模型和来自的辅助变量来自天气研究和预报（WRF）气象模拟数据。该实验在武汉，北京和上海进行，近年来遭受严重的大气细颗粒污染。所提出的模型对于GF和中分辨率成像光谱仪（MODIS）都表现良好，具有轻微的过拟合和很小的空间自相关。