sdmTMB 带有TMB的时空GLMM sdmTMB是一个R包，它使用模板模型构建器（ ）， 和高斯马尔可夫随机字段来实现空间和时空的预测过程GLMM（广义线性混合效应模型）。 一种常见的应用是物种分布模型（SDM）。 安装 假设您已安装，则可以安装sdmTMB： # install.packages("remotes") install.packages( " Matrix " , type = " source " ) remotes :: install_github( " kaskr/adcomp/TMB " ) remotes :: install_github( " pbs-assess/sdmTMB " ) 功能性 sdmTMB： 将具有空间，时空，空间和时空或AR1时空高斯马尔可夫随机字段的MMMM与TMB拟合。 它也可以适应随时间变化的局部变化趋势，作为一个随机

Landsat8场景计算器 介绍 该程序可以从下载landsat8图像和其他文件。 可以根据需要生成的场景类型按需下载这11个波段。 场景生成所需的所有文件都将被下载。 将文件保存到本地磁盘后，将生成场景。 频段可以独立下载，也可以自动下载，具体取决于特定计算/合成所需的频段。 该程序将创建以下内容的GeoTIFF文件： 归一化植被指数计算 土壤调整植被指数计算 可见光谱（自然色）复合 短波红外复合材料 农业综合 地质综合 水深合成 重要笔记 ./data/index.gz是可用数据的索引，如果不存在，则下载该文件，请不要将其删除。 ./data/defaults.json是用户在程序提示中的最后输入。 删除是安全的，但是您将需要在提示符下重新输入先前的值。 如果由于任何问题中断下载，程序将退出。 在下一次运行时，只要不删除不完整的“ .part”文件，下载的文件就可以继续下载。

网格-时空多维网格数据的信息学 Riley Hales开发了一个Python工具，用于从多维数据数组中提取时间序列子集，这是杨百翰大学土木与环境工程硕士学位论文的一部分。

Spatial_Data_Analysis_Theory_and_Practice_by_Robert_Haining Spatial Data Analysis: Theory and Practice provides a broad-ranging treatment of the field of spatial data analysis. It begins with an overview of spatial data analysis and the importance of location (place, context and space) in scientific and policy-related research. Covering fundamental problems concerning how attributes in geographical space are represented to the latest methods of exploratory spatial data analysis and spatial modelling, it is designed to take the reader through the key areas that underpin the analysis of spatial data, providing a platform from which to view and critically appreciate many of the key areas of the field. Parts of the text are accessible to undergraduate and master’s level students, but it also contains sufficient challenging material that it will be of interest to geographers, social scientists and economists, environmental scientists and statisticians, whose research takes them into the area of spatial analysis.

残渣 PySAL空间计量经济学软件包 spreg是“空间回归”的缩写，是一个Python软件包，用于估计同时进行的自动回归空间回归模型。 当对观测值相互影响的过程进行建模时，这些模型很有用。 该软件包是 许可证信息 有关该软件的历史记录，使用条款和条件以及所有担保的免责声明，请参见文件“ LICENSE.txt”。

:globe_showing_Europe-Africa: xarray-spatial：Python中基于栅格的空间分析 :round_pushpin: 快速，准确的Python库，可进行栅格操作 :high_voltage: 可通过扩展 :fast-forward_button: 可通过扩展 :confetti_ball: 没有GDAL / GEOS依赖项 :globe_showing_Europe-Africa: 通用空间处理，面向GIS专业人员 Xarray-Spatial使用Numba实现了常见的栅格分析功能，并提供了易于安装，易于扩展的代码库来进行栅格分析。 安装 # via pip pip install xarray-spatial # via conda conda install -c conda-forge xarray-spatial 下载我们的入门示例和数据 一旦在环境中安装了xarray-spatial，就可以在终端中（环境处于活动状态）使用以下命令之一将我们的示例和/或示例数据下载到本地目录中。 xrspatial examples ：下载示例

matlab自相关代码计量经济学_空间分析 该文件夹用于计量经济学中的空间分析，这些文件： Moran.m是实现Moran测试的Matlab代码。 有关此空间相关性测试的更多信息，请访问：或 NB-Bayesian-CAR-Model-Gibbs.odc是一个WinBUGS代码，使用Gibbs采样（一种MCMC方法）实现了负二项式汽车模型。 有关此模型的更多信息，请访问：或

皮格里格 适用于Python的Kriging工具包。 目的 该代码支持2D和3D普通和通用克里金法。 内置了标准变异函数模型（线性，幂，球面，高斯，指数），但也可以使用自定义变异函数模型。 2D通用克里金代码当前支持区域线性，对数对数和外部漂移项，而3D通用克里金代码在所有三个空间维度上都支持区域线性漂移项。 两种通用克里金法也都支持通用的“指定”和“功能”漂移功能。 使用“指定的”漂移功能，用户可以手动指定每个数据点和所有网格点的漂移值。 借助“功能性”漂移功能，用户可以提供定义漂移的空间坐标的可调用函数。 该软件包包括一个模块，该模块包含的功能对于使用ASCII网格文件（ \*.asc ）应该有用。 有关更多详细信息和示例，请参见的文档。 安装 PyKrige需要Python 3.5以上版本以及numpy，scipy。 可以通过以下方式从PyPi安装： pip install p

地理图：地理空间数据可视化 geoplot是一个高级Python地理空间绘图库。 它是对cartopy和matplotlib的扩展，使制图变得容易：就像seaborn一样用于地理空间。 它具有以下功能： 高级绘图API ：geoplot是90％用例的制图绘图。 您在地理教科书中可能已经看到的所有标准载体地图都可以轻松访问。 本机投影支持：地理空间绘图的最基本特性是投影：如何以正确的方式将球体展开到平坦表面（地图）上？ 答案取决于您要描绘的内容。 geoplot提供了这些选项。 与matplotlib兼容性：尽管matplotlib不适合直接处理地理空间数据，但它是其他工具很好地结合的格式。 使用conda install geoplot -c conda-forge可以轻松进行conda install geoplot -c conda-forge 。 。