最近發現需要在快速閱讀背景下，對快餐式資源做整理與收集。以Coding（以Github）和Paper（自己看到的一些論文，論文一般主要看題目和摘要做些簡單小結）的資源為主。

1 Coding：

1.QGIS上的變形地圖插件，我后面會專門來介紹變形地圖這個主題的內容。

qgis-cartogram源碼

2.火星坐標與地球坐標轉換開源代碼。

命令行版

Python版

項目與說明

3.空間統計開源軟件GeoDa資源。

GeoDa 源碼

4.空間統計分析開源Python庫——PySAL。

PySAL GitHub

5.GIS資源鏈接整理。

Awesome GIS

6.R語言包（rasterVIS）。一個專門針對柵格做可視化的包。十分強大。

rasterVis GitHub

7.基于CityEngine開發的地理設計工具箱。這個項目討論了一系列工具，這些工具旨在使數據驅動設計能夠支持大規模方案規劃項目。這些工具旨在集成GIS和CityEngine，以支持創建大量3D內容，以支持城市規劃/地理設計項目。創建的內容可用于創建圖像作為剪切圖紙的一部分（與數據驅動頁面一起使用），或鏈接到Web地圖中的Web內容（通過提供彈出窗口或Web場景鏈接到的內容）。這里提出的工作流程的重點是街道，但腳本也支持與建筑物/批次/分區可視化相關的項目。意圖：這些工具的目的是通過結合使用GIS和CityEngine，實現大規模的數據驅動設計。

CityEngineToolKit-GeodesignToolkit GitHub

8.深度照片風格轉換。基于深度學習的照片風格轉換。

deep-photo-styletransfer 源碼

9.R語言包（scanstatistics）。時空掃描統計算法的R包實現，這個算法最早由哈佛大學學者提出，用于疾病的空間統計分析。

scanstatistics GitHub

2 Paper:

1.Outdoor air pollution, green space, and cancer incidence in Saxony: A semi-individual cohort study/薩克森州的室外空氣污染，綠色空間和癌癥發病率：半個體的隊列研究。

這是目前比較有意思的一個方向，空氣污染的人群暴露、綠色空間與疾病三者的關系。使用的是薩克森州的保健數據（主要研究了口腔和咽喉，皮膚——非黑色素瘤皮膚癌 - NMSC的癌癥事件（2010-2014），前列腺癌，乳腺癌和結腸直腸癌等疾病），室外空氣污染主要考慮PM10和NO2，綠色空間使用NDVI做表征，模型選用的是多層次泊松回歸模型。結論主要是高空氣污染會增加癌癥患病風險，而增加住宅綠色空間則可以降低。

2.Spatial Morphing Kernel Regression For Feature Interpolation/基于空間變形核回歸的高維特征空間插值

針對近年來興起的帶有地理標記的社交媒體數據——也就是志愿者地理信息數據（Volunteer Geographical Information，VGI）。這次用的是Flickr數據。首先是基于卷積神經網絡（CNN）提取了Flickr圖片的高維特征，然后針對提取的特征進行空間插值。比較了IDW，核回歸（高斯核和空間變形核）不同插值方法的結果（以parcel classification結果為例）。

3.Social media data as a proxy for hourly fine-scale electric power consumption estimation/社交媒體數據作為小時級精細電力消耗估計的輔助數據

準確預測電力需求對現代電力系統的運行至關重要。不準確的負荷預測將顯著影響電網效率。預測一個小區域（如建筑物）的電力需求長期以來一直是眾所周知的挑戰。這項研究分析了帶有地理標記的推文與每小時電力消耗之間的關聯。檢索所有可用的帶有地理標記的推文和電表讀數，并在空間上匯總到研究區域中的每個建筑物。人類活動指標（推文所反映的）與電力消耗之間存在高度相關性，相關系數超過0.8。非常有意思的研究。