2019独角兽企业重金招聘Python工程师标准>>> 
继续之前的资源整理，前段时间有事没有整理，最近有些空闲，先来整理，这一篇决定只更论文部分。
Paper:
1.Quantification of the traffic-generated particulate matter capture by plant species in a living wall and evaluation of the important leaf characteristics/定量生活墙/立体绿化中植物物种捕获的交通产生的颗粒物质并评估重要的叶片特征
交通产生的颗粒物（PM）是城市PM污染的重要部分，对于使用生活墙作为减少这种污染的短期策略知之甚少。本研究利用位于英国特伦特河畔斯托克（Stoke-on-Trent）繁忙道路上的生活墙/立体绿化系统，评估了20座生活墙/立体绿化植物减少基于交通的PM的潜力。使用环境扫描电子显微镜（ESEM）和ImageJ软件来量化叶片（PM1，PM2.5和PM10）上的PM积累，并使用能量分散X射线（EDX）测定它们的元素组成。使用广义线性混合效应模型（GLMM）以时间为因子评估叶-PM积累的种间变异;鉴定了由于特定叶特征（气孔密度，毛发/毛状体，脊和沟）引起的任何差异PM积累。该研究表明，活壁植物有望去除大气PM。不同物种捕获的所有粒径都有明显不同的数量;在Juniperus chinensis L.的叶针上发现了最大量的所有粒径，其次是小叶种。在PM积累和叶表面特征之间没有明显的相关模式的情况下，该研究强调了个体叶片大小在PM捕获中的重要性，而不管它们的可变微观形态如何。捕获的颗粒的元素组成与基于交通的PM和各种重要的重金属显示出强烈的相关性。我们的结论是，使用主要由小叶种和针叶树组成的生活墙/立体绿化可能会通过消除交通产生的PM污染来改善空气质量，从而改善城市居民的福祉。微观尺度上的植被滞尘研究，结合扫描电镜的研究非常有亮点，这一方面中科院生态中心周伟奇老师组也做了很多工作。而且有一个蛮有意思的就是，反而小叶种和针叶树吸收PM污染效果好，这反而是我所没有预料到的结果。
2.Spatial-Temporal Variability and Dust-Capture Capability of 8 Plants in Urban China/中国城市8种植物的滞尘能力与时空变异
城市植物已被证明可以减少环境颗粒物（PM），这有助于城市规划者控制城市空气污染。在这项研究中，在一年的时间内，在中国南京市的7个功能区域对8种树木叶片的PM沉积进行了定量分析。结果表明叶片PM含有不同的粒径组分（PM10和PM2.5），并且季节和物种之间存在差异。工业区PM，PM10和PM2.5总量最高，总PM累积量最高在冬季发生。在测试的树种之间发现显着差异。 Cedrus deodara表现出大量的PM，PM10和PM2.5总量。本研究检测了树种间PM的质量和数量分布，并用扫描电子显微镜（SEM）确定了颗粒。结果显示气孔大小，密度和绒毛与PM2.5捕获量显着相关。据我们所知，这是第一篇介绍南京不同树种PM的质量和数量分布的论文。结果不仅提供了对树种保持灰尘能力的全面见解，而且还为城市绿地提供了一系列物种，其目标是减轻城市空气中的PM。又是一篇微观的植被滞尘研究且结合扫描电镜，不仅针对树种，针对叶片的性状也给出了实证研究，并且是中国的case study。值得关注。
3.Multiple Intra-urban Land Use Simulations and Driving Factors Analysis: A case study in Huicheng, China/多个城市内部土地利用模拟及驱动因素分析 - 以中国惠城为例
城市内部土地利用变化的模拟逐渐引起了更多关注，因为这些方法在决策和政策制定方面极为有用。虽然之前的研究主要集中在开发城市内水平模拟的方法，但很少有研究解释推动城市内土地利用变化的因素。城市规划者高度关注城市内部结构的形成及其运作方式。在这里，为了模拟多个城市内的土地利用变化并确定不同驱动因子的贡献，我们开发了一种基于随机森林（RF）算法的元胞自动机（CA）模拟模型。在这项研究中，该模型应用了不同类别的空间变量，包括交通位置因素，环境因素，公共服务和人口密度，作为增强我们对城市内部土地利用动态的理解的驱动因素。 CA模型使用来自中国广东省惠州市惠城区的数据进行测试。该模型使用2000年至2010年的实际历史土地利用数据进行了验证。通过应用经验证的模型，模拟了2015年的多个城市内土地利用图。同时，使用计算了空间变量重要性度量（VIM）的RF算法的误差估计方法。根据计算结果，我们评估和分析了该地区每个城市内土地利用驱动因素的重要性。该研究为城市规划者和相关学者提供了详细和有针对性的信息，可以帮助制定针对不同城市内土地利用的具体规划策略，并支持该地区的未来发展。来自中山大学刘小平老师团队CA-Land use simulation的研究成果，国内土地利用模拟的翘楚团队，这篇文章结合了比较新颖的RF算法（虽然我觉得现在也是烂大街了），并且提供了RF算法的误差估计方法，在方法上就很有新意，其次关注的是城市内部土地利用变化——也就是城市功能区的变化，最后得到的结果就是居住用地、工业用地、商业用地和公共服务设施用地，我觉得对城市规划的政策启示要比单纯的土地利用好得多。
4.Capturing exposure in environmental health research: Challenges and opportunities of different activity space models/环境健康研究中的暴露评估：不同空间行为模型的挑战和机遇
背景：在过去十年中，建筑环境健康促进在广泛的健康相关研究中引起了显着的关注。然而，关于健康和PA的背景影响的结果是高度异质的。结果之间的差异可能部分地通过不同空间分析单元在评估个体对各种环境特征的暴露方面的不同使用来解释。该研究调查了不同的住宅和活动空间分析单元是否产生了关于建筑环境与健康之间关联的不同结果。此外，本研究还探讨了不同空间分析单元对环境健康相关研究的挑战和机遇。
方法：使用两个常见的住宅分析单元和两个新的活动空间模型来检查芬兰赫尔辛基都市区的老年人的健康状况。行政单位，500米住宅缓冲区，家庭范围模型和个性化住宅暴露模型被用来评估建筑环境与受访者福利之间的关联（n = 844）。
结果：所有四种不同的空间分析单元都产生了关于建筑环境特征与健康之间关联的不同结果。只有在通过个性化住宅暴露模型评估暴露时，才发现绿地与健康之间存在正相关关系。发现可步行性指数以及行人和自行车道路的长度与感知的健康措施正相关，仅与家庭范围模型相关。此外，所有分析单元在大小，形状以及如何捕获不同的上下文度量方面彼此不同。
结论：结果表明，不同的空间分析单元导致建筑环境的测量结果差异很大。反过来，使用不同空间单位产生的差异似乎会显着影响环境特征与健康措施之间的关联。虽然不容易争论这些测量的正确性，但显而易见的是它们可以揭示不同的健康结果。虽然某些方法特别可用于确定促进积极旅行和相关健康结果的环境机会的可用性，但其他方法可以让我们深入了解实际暴露与绿色空间如何能够增强健康的机制。
环境健康的暴露评估研究，事实上来说，不同的分析单元造成的结果差异正是地学、生态学中目前的热点问题，由于尺度效应造成的原因，多尺度研究将会是未来的趋势，另外绿地、以及可步行性对健康的效应值得关注。一个是降低污染和心理压力，一个是吸引步行从而锻炼身体（从个人直观来看目前阅读的一些文献内容是这么解释的）。
5.Portraying Urban Functional Zones by Coupling Remote Sensing Imagery and Human Sensing Data/ 通过耦合遥感图像和人类感知数据绘制城市功能区
描绘城市功能区为理解复杂的城市系统和建立合理的城市规划提供了有用的见解。尽管一些研究证实了遥感影像在城市研究中的有效性，但仍然没有研究将遥感影像与新的人类感知数据（如手机定位数据）相结合来识别城市功能区。在这项研究中，开发了一个集成遥感影像和手机定位数据的新框架，用景观和人类活动指标分析城市功能区。根据遥感图像的土地覆盖计算景观指标。从大量的手机定位数据中提取人类活动。通过整合它们，城市功能区（城市中心，分中心，郊区，城市缓冲区，过境区和生态区）通过层次聚类来识别。最后，对三个典型的横断面进行了梯度分析，以研究景观和人类活动的模式。以中国深圳为例，进行的实验表明，深圳城市功能区的景观和人类活动模式并不完全符合古典城市理论。结果表明，遥感影像与人类感知数据的融合可以很好地刻画深圳复杂的城市空间结构。城市功能区有可能成为城市结构，人类活动和城市规划政策之间的桥梁，为合理的城市规划和可持续城市发展政策制定提供科学支持。城市功能区的分类越来越受到研究学者的重视，而所谓的human sensing data与北京大学刘瑜老师2015年提的social sensing是不谋而合，深圳大学的团队也在这方面做了很多深入的研究，总的来说，利用ICT技术产生的LBS、社交媒体和手机信令等现在流行的大数据进行城市地理方面研究，确实会给城市地理学注入新的活力。当然也要同时规避这些数据所产生的不确定性（这一方面我推荐关美宝老师的文章）。
6.Using GIS and Perceived Distance to Understand the Unequal Geographies of Healthcare in Lower-Income Urban Neighborhoods/利用GIS和感知距离来理解低收入城市社区医疗保健的地理位置不平等性
地理学家在公共卫生研究中发挥着重要作用，特别是在了解医疗保健的可及性，利用率和个人医疗保健经验方面。大多数可访问性研究都受益于地理信息系统（GIS）日益复杂化。一些研究通过半结构化的深度访谈得到了加强，以了解人们获得医疗保健时的个人经历。然而，很少有可访问性研究明确利用个人深度访谈数据来构建新的GIS可访问性措施。使用包括GIS分析在内的混合方法和来自半结构化深度访谈的个人数据，我们提供满意度调整距离作为GIS中可访问性概念化的新方法。基于俄亥俄州哥伦布市（美国）主要是低收入社区的实地调查，我们发现许多居民认为社区医疗机构提供的是低质量的医疗服务，这表明他们试图获得高质量的医疗设施时会增加感知距离。满意度调整的距离度量是一些居民在低收入城市社区寻找高质量医疗保健时的感知距离。通过这种方式超越传统地理信息系统并重新构建可访问性，我们可以更加真实地描述低收入城市居民在尝试获得高质量医疗设施时所面临的问题。这项工作对于概念化医疗保健可及性具有理论意义，推进了混合方法学文献，并争论在城市社区中更公平地分配高质量的医疗保健。关美宝老师的成果，本科期间参与过师妹医院GIS可达性分析的项目，也听过师兄硕士毕业论文答辩，事实上对于低收入群体的医疗公平性问题研究，我觉得是社会学更为关注的，但是却也是更为人道，更为追求社会公平的一项研究。此外，根据最近SDGs的火热程度，我预估这方面的研究将成为未来的热点。
7.Does bus accessibility affect property prices?/公交可达性是否会影响房价？
现有的研究已经就公交车的可达性效益得出了一致的结论。大多数现有的研究都是在西方的背景下进行的，那里的公共汽车乘客量普遍很低。在这项研究中，我们使用了中国厦门358个住宅区的22,586个二手住宅物业数据库，开发了四个非空间特征定价模型（一个标准和三个Box-Cox变换）和两个空间计量经济模型来量化其影响。公共汽车在房地产价格上的可获得性，并分析空间计量经济模型的引入将如何影响这些效益的估计。我们的研究结果如下。 （1）巴士站的通道与物业价格正相关。这一结果与主流研究的结果形成对比。对于500米范围内的每个巴士站，物业的价格高出0.5％，其他条件相同。 （2）到主要目的地的公共汽车旅行时间对房价的影响很大。 （3）考虑空间自相关的空间计量经济模型优于传统的特征定价模型。一些稳健性检查分析进一步保证了本研究的合理性。然而，由于公共汽车旅行的吸引力下降和未来几年的持续运输服务增加，公共汽车可达性提供的价格溢价可能会逐渐降低，甚至最终被丢弃。公交可达性对于房价的影响在厦门的实证研究。可以探究一下另外的因素对房价的影响（也是西方的结论的实证研究），研究思路蛮有意思。
8.Evaluation of the MODIS C6 Aerosol Optical Depth Products over Chongqing, China/中国重庆MODIS C6气溶胶光学厚度产品评估
首次使用太阳光度计的地面观测AOD评估暗目标（DT）和深蓝（DB）算法生成的中分辨率成像光谱仪（MODIS）集合6（C6）气溶胶光学深度（AOD）产品。重庆，中国西南部的一个多山的大城市。验证结果表明，DT算法的MODIS AOD与太阳光度计的相似，尽管有轻微的高估。然而，与太阳光度计相比，DB算法大大低估了MODIS AOD。误差分析意味着表面反射率估计的偏差是两种算法的主要误差源。 DT算法的云筛选方案比DB算法更有效。在两种算法的质量控制过程中应考虑云附近效应。敏感性试验表明，在重庆等复杂地形区域，应根据当地情况仔细选择卫星产品验证中的配置方法。当比较MODIS产品的月平均AOD与太阳光度计观测时，表明Terra MODIS AOD产品有效代表夏季和秋季的平均状态，但Aqua MODIS AOD的月平均值在重庆是有限的。对遥感产品的地面验证，这是定量遥感的关键一步，尽管现在很多研究没有做这一步，但是当地面验证的数据慢慢增多之后，才能真正的定量。
9.Eigenvector Spatial Filtering Regression Modeling of Ground PM2.5 Concentrations Using Remotely Sensed Data/基于遥感数据的地面PM2.5浓度特征向量空间滤波回归建模
本文提出了一种回归模型，使用特征向量空间滤波（ESF）方法来估计地面PM2.5浓度。协变量来自遥感数据，包括气溶胶光学深度，NDVI，LST，气压，相对湿度，行星边界层高度和数字高程模型。此外，模型中还使用了工厂密度和道路密度等社会变量。以长江三角洲地区为研究区域，利用2015年12月至2016年11月期间的数据，建立了不同时间尺度的基于ESF的回归模型（ESFR）。我们发现ESFR模型有效地过滤了空间自相关。与传统的OLS模型相比，OLS残差导致拟合优度度量的增加以及残差标准误差和交叉验证误差的减少。年度ESFR模型解释了PM2.5浓度变异性的70％，比非空间OLS模型高16.7％。通过ESFR模型，我们对研究区PM2.5浓度的空间和时间分布进行了详细分析。模型预测低于地面观测但与总趋势相符。实验表明，ESFR为PM2.5分析和预测提供了一种有前景的方法。类似于LUR的全遥感建模方法，非常有借鉴意义。
10.Evaluating the uncertainty of Landsat-derived vegetation indices in quantifying forest fuel treatments using bi-temporal LiDAR data/使用双时间LiDAR数据评估Landsat衍生植被指数在量化森林燃料处理中的不确定性
美国西部的森林生态系统长期以来受到木材采伐和灭火的影响，最近还通过减少火灾管理燃料的处理方式。准确量化燃料处理引起的森林结构变化是评估其影响的重要步骤。卫星图像衍生植被指数，如归一化植被指数（NDVI），已被广泛用于绘制森林动态图。然而，使用这些植被指数量化森林结构变化的不确定性尚未得到彻底研究，主要是由于缺乏全样本验证数据。在这项研究中，我们通过在加利福尼亚州内华达山脉北部的混合针叶林中使用双时间空气光探测和测距（LiDAR）数据和野外测量，在地上生物量（AGB）和冠层覆盖中产生了森林结构变化。这些LiDAR衍生的森林结构测量用于评估使用Landsat衍生植被指数量化处理的不确定性。我们的研究结果证实，植被指数可以准确地绘制燃料处理引起的森林干扰和冠层覆盖变化的程度，但AGB变化量化的准确性因治疗前森林密度和处理强度而异。与中等密度森林相比，植被指数变化与稀疏或密集生物量的森林生物量变化相关性较弱。我们的研究结果表明，在将植被指数与AGB变化联系起来时，研究人员和管理人员应对其在极密或稀疏森林中的不确定性持谨慎态度，特别是当处理主要去除小树或林下燃料时。LIDAR和Landsat结合的研究，尤其是衡量林火造成的生物量不确定性估计问题。
11.Dynamic assessment of exposure to air pollution using mobile phone data/使用手机数据动态评估空气污染暴露度
这篇文章一览众山小·可持续城市与交通已经翻译过。就不具体阐述了，讲述的也是新兴大数据在环境污染暴露评估的应用。
一览众山小翻译
12.The Transferability of Random Forest in Canopy Height Estimation from Multi-Source Remote Sensing Data/基于多源遥感数据的冠层高度随机森林模型可迁移性研究
林冠高度是了解森林生态系统和提高全球碳储量量化准确度的重要森林结构参数。光探测和测距（LiDAR）可以提供精确的冠层高度测量，但其在大规模的应用是有限的。使用LiDAR衍生的冠层高度作为地面实况来训练随机森林（RF）算法并因此在没有LiDAR覆盖的区域中预测来自其他遥感数据集的冠层高度已经是大规模冠层高度映射中最常用的方法之一。然而，研究地点的位置，植被类型和空间尺度的差异如何影响RF建模结果仍然是一个需要解决的问题。在这项研究中，我们选择了16个研究地点（每个100平方公里），在美国各地进行全机载LiDAR覆盖，并使用LiDAR衍生的冠层高度以及光学图像，地形数据和气候表面来评估其可迁移性。基于射频的冠层高度预测方法。结果显示了从一般到复杂的一系列发现。在特定位置或植被类型训练的RF模型不能转移到其他位置或植被类型。然而，通过使用来自具有各种植被类型的所有地点的样本训练RF算法，可以实现通用模型来预测不同位置和不同植被类型的冠层高度。此外，当研究地点的空间范围小于50平方公里或者训练像素的空间分辨率小于500米时，空间尺度对RF预测精度的影响是显着的。冠层高度预测精度随空间范围和目标空间分辨率而增加。用多元遥感的数据探究机器学习算法模型的可移植性，其实要求算法有非常强的泛化能力。
13.Retrieving 2-D Leaf Angle Distributions for Deciduous Trees From Terrestrial Laser Scanner Data/从地面激光扫描仪数据中反演落叶树的二维叶角分布
地面激光扫描是估算叶片角度（包括叶片倾角和方位角）分布（LAD）的有前途的工具。然而，之前的研究主要集中在叶片倾角分布的反演上，很少有研究考虑到由于测量技术的限制而导致叶片方位角的分布。在本文中，我们开发了一种基于叶点云分割和过滤获得更准确的叶片倾角和方位角估计的新方法，然后使用双参数Beta分布模型拟合LAD函数。此外，我们基于LAD的精确反演，利用Nilson算法构造了一个具有两个参数G（θ，φ）的投影系数模型。为了评估叶片数量对叶片倾向和方位角估计的影响，我们模拟了160个单独的叶子和10个具有不同叶片数量的树木。此外，为了验证最终结果，我们还使用角度测量装置对具有不同叶数的三棵木兰树进行采样，并手动测量所有叶子的叶片倾斜度和方位角。结果表明，本文提出的方法可以提供准确的叶片倾角和方位角。基于这些叶片倾角和方位角的模拟LAD和G（θ，φ）估计与从地面实况测量获得的那些强烈相关。叶片角度事实上在植被定量遥感里非常重要，记得在牛老师介绍李小文光学几何模型的时候有听到过。LiDAR的主动遥感技术为过去仅依靠光学被动遥感反演提供了新的可能性（毕竟IEEE TGRS大作）。
14.Assessment of Pollution-Health-Economics Nexus in China/中国污染 - 健康 - 经济联结评估
严重的雾霾会导致污染疾病，通过提高心血管和呼吸系统疾病的死亡率和发病率来触发生产劳动时间。卫生研究很少考虑工业相互联系的宏观经济影响，而灾害研究很少涉及空气污染及其对健康的影响。本研究采用供应驱动的投入产出模型，利用最新的中国多区域投入产出表，估算2012年中国30个省份因疾病导致的工作时间缩短所造成的经济损失。结果显示，经济损失总额为3982.3亿元人民币（占2012年中国GDP的1％左右），其中大部分来自华东和中南部。受影响劳动者总数为8219万。跨区域经济影响分析表明，中南，华北和华东地区间接损失占绝大部分。实际上，华北，西北和西南地区的大部分间接损失可归因于其他地区的制造业和能源，而华东，中南和东北地区的亏损主要来自其他地区的煤炭和采矿业。在次工业层面，华北和西北地区的大部分内陆区域性损失来自煤炭和矿业，中国东部和西南部来自设备和能源，中南部来自金属和非金属。这些研究结果强调了由于独特的区域经济结构和南北之间的依赖性，地理距离在区域相互联系中的潜在作用以及区域内外区域损失的区域异质性。目前非常火的Nexus系列研究，关大博老师团队的成果。将空气污染、健康和经济联结做的评估，非常有意思的研究，当然更多倾向于经济学。目前还在学习。
15.Air Pollution Removal by Urban Forests in Canada and its Effect on Air Quality and Human Health/加拿大城市森林空气污染及其对空气质量和人体健康的影响
城市树木提供了许多生态系统服务，包括空气污染清除，碳封存，冷却气温和为城市景观提供美学。 树木通过拦截植物表面的颗粒物质和通过叶子气孔吸收气态污染物来消除空气污染。 根据当地环境数据进行的计算机模拟显示，2010年加拿大86个城市的树木清除了16,500吨（吨）空气污染（范围：7500-21,100吨），人类健康影响价值为2.272亿加元（范围：5250-402.6百万美元））。 不同城市的年污染去除率不同，不列颠哥伦比亚省温哥华的污染范围高达1740吨。 总体健康影响包括避免这些城市中30例人类死亡率（范围：7-54）和22,000例急性呼吸道症状（范围：7900-31,100）。将健康量化成生态系统服务价值，这也是之前在上景观生态学课程时候所预期的看法，现在看到正式的论文也是非常激动。
16.Mapping annual urban dynamics (1985–2015) using time series of Landsat data/使用Landsat数据的时间序列绘制逐年城市动态变化（1985-2015）
精细时空分辨率下的城市动态信息对城市增长模型和城市可持续发展至关重要。然而，在长时间内获得城市化在时间和地点的变化信息方面仍然存在挑战。在这项研究中，我们开发了一个框架，通过使用Landsat数据的时间序列，以1985年至2015年的年度间隔绘制城市扩展图。首先，根据现有的国家土地覆盖数据库（NLCD），Landsat数据的时间序列（1985-2015）分为三个时期，即1985-2001,2001-2011和2011-2015。然后，使用表示植被，水和裸地到城市的变化的三个指标，为每个时期实施时间分割方法。确定了变化开始和结束的多年。相应地生成表示先前改变，改变和改变后的阶段的三个时间段。此后，使用基于变化向量分析（CVA）的NLCD辅助方法和确定的时间段对2001年之前和2011年之后的城市范围进行分类。最后，根据确定的转弯年份确定每个时期的城市化像素。我们的时间分割方法对于检测城市增长引起的变化是可靠的，在识别转弯年（±1年）时总体准确度为90％。使用独立的验证样本集，基于CVA的方法达到87％的总体准确度。城市动态变化的产品显示，在美国爱荷华州得梅因和埃姆斯，城市增长相对稳定，大多数城市化地区在2 - 3年内从植被土地转变而来。拟议的框架能够以年度间隔绘制城市范围的长期动态，其结果有助于有效更新城市范围的当前产品和改善城市增长模型。发表在遥感界Top上的文章，做了长时间序列高精细分辨率的城市扩张研究。最近对这方面很有兴趣，可能会做深一步的学习。
17.Spatiotemporal Distribution of Satellite-Retrieved Ground-Level PM2.5 and Near Real-Time Daily Retrieval Algorithm Development in Sichuan Basin, China/四川盆地卫星地面PM2.5的时空分布及近实时日反演算法的发展
基于卫星的监测可以反演具有更高分辨率和连续空间覆盖的地面PM2.5浓度，以帮助制定管理战略和估算健康暴露。四川盆地地形复杂，几个城市群与中国其他地区不同：它有一个封闭的空气盆地，具有独特的行星边界层动态，积累了空气污染。利用改进的暗像素方法和中分辨率成像光谱仪（MODIS）数据，反演了四川盆地1 km分辨率气溶胶光学厚度（AOD）的时空分布。反演的季节性AOD在春季达到最高值，在秋季达到最低值。基于地面的激光雷达AOD和1-km分辨率MODIS AOD之间的较高相关性（r = 0.84，N = 171）表明高分辨率MODIS AOD可用于反演地面PM2.5浓度。激光雷达测量的年平均消光系数随着行星边界层高度（PBLH）在100~670 m范围内线性增加，但在670~1800 m之间呈指数减小。来自气象研究和预报（WRF）模型和SHIN模型，加州气象（CALMET）模型进行了检验。PM2.5反演的最新热点集中在日尺度以下的反演，大家更关注的是短时空气污染与污染事件所产生的拐点时刻。所以接下来对时间分辨率的需求不断上升，这个研究还是用了多个数值模拟模型进行检验，工作很全面。
18.Automating land parcel classification for neighborhood-scale urban analysis/用于邻里尺度的城市分析的自动化地块分类
房主协会（HOA）通过在美国社区规模的法律强制执行的土地契约来规定景观结构和管理。确定HOA的位置和空间范围对于检查其影响至关重要。然而，这种分析因适用于这种分析的单位缺乏空间数据而混淆。本文的目的是开发和实现一个自动化地块分类（开源实现），这是确定HOA对城市土地管理影响的目标的第一步。使用亚利桑那州的马里科帕县作为试验台，我们发现包裹合并过程将细分的数量从26,042减少到17,269，这样边界更好地与适用于土地契约的规则集的邻域单元对齐。此外，在最初的训练期后，这个过程在短短7个多小时内就完成了。该研究是实现大量分析的重要的第一步，包括在区域内确定HOA的位置和空间范围，并最终在全国范围内确定HOA与土地管理结果之间的拟议联系。叶信岳老师的大作，邻里尺度在社会与城市地理学是一个很重要的研究尺度，从生产数据角度而言，需要这样子的成果。
19.Urban growth simulation by incorporating planning policies into a CA-based future land-use simulation model/通过将规划政策纳入基于CA的未来土地利用模拟模型进行城市增长模拟
城市规划和政府决策影响城市土地利用变化。以前的城市模拟方法只关注规划限制，以防止城市增长在特定地区发展。然而，区域规划制定了推动城市发展的规划政策，例如交通规划和开发区，这在以前的研究中很少被考虑。本研究旨在设计两种基于细胞自动机的未来土地利用模拟模型的机制，将不同的规划驱动因素整合到模拟中。第一种更新机制考虑了交通规划的影响，而第二种机制可以模拟规划开发区的指导效果。拟议的机制适用于珠江三角洲地区，这是中国发展最快的地区之一。第一种机制通过2000 - 2013年的模拟验证，并证明通过考虑交通规划提高了模拟精度。在2013 - 2052年的模拟中，实施了这两种机制，产生了更加真实的城市空间格局。模拟结果可用于识别总体规划内的潜在城市扩张。拟议的方法可以作为一种有用的工具，帮助规划者在不同规划政策的影响下评估城市演变。依旧是国内土地利用模拟的翘楚团队中大刘小平老师的成果，关于规划政策对于城市增长的模拟还是很有意思的。如何做空间化就是一个比较有意思的研究。此外此文又发在了IJGIS上，该团队不愧为IJGIS第一论文大户（印象中黎夏老师发的最多）。
20.A scalable cyberinfrastructure and cloud computing platform for forest aboveground biomass estimation based on the Google Earth Engine/基于Google Earth Engine的森林地上生物量估算的可扩展的网络基础设施和云计算平台
地球观测（EO）数据，如高分辨率卫星图像或LiDAR，已成为森林地上生物量（AGB）测绘和估算的主要来源。但是，管理和分析大量全球或本地可用的EO数据仍然是一项巨大的挑战。谷歌地球引擎（GEE）利用云计算服务提供强大的管理和快速分析各种类型的EO数据的能力，已成为应对这一挑战的不可估量的工具。在本文中，我们提出了一个可扩展的网络基础设施，用于在很大的空间范围内进行动态AGB估计，统计和可视化。该网络基础设施集成了最先进的云计算应用程序，包括GEE，Fusion Tables和Google Cloud Platform（GCP），以建立可扩展，高度可扩展和高性能的分析环境。设计了两个实验来证明其在传统桌面环境中的性能优势以及在处理复杂工作流程方面的可扩展性。此外，还开发了一个门户网站，将网络基础设施与一些可视化工具（例如Google Maps，Highcharts）集成，为一般公众和地理空间研究人员提供图形用户界面（GUI）和在线可视化。GEE，可以说是当今遥感与云计算的集大成者，值得深入学习。