GIS探险家-CSDN博客

原创【科研绘图】特种重要性柱状图+点线图（python+origin）

图片表示为10个建筑指标与LST之间的关系，用的是提升回归树模型来计算特征重要性，左边的图片为四个季节下的特种重要性柱状图，右边为点线图。

2023-10-22 12:11:01 656

原创【代码复刻】分组相关性散点图

在我的公众号（同名）中会持续更新好看的SCI论文图片的代码复刻推文，图片表示全球多个城市之间两个数值之间的散点图，其中按照洲来分组。python复刻的难点为自定义图例。

2023-10-21 13:57:33 164

原创【数据分享】全球30m土地利用数据分享（2015-2020），后附下载方法和无偿获取方式

这里介绍了2020年的数据，1985，1990，1995，2000，2005，2010以及2015年的数据也一样地表覆盖分布是气候变化研究、生态环境评估及地理国情监测等不可或缺的重要基础信息。近年来，随着遥感科学技术以及计算机存储和计算能力的不断提升，针对长时序全球30米地表覆盖动态监测产品的应用需求日益迫切。

2023-10-20 16:03:16 798 4

原创【数据分享】全球1km年平均温度长时间序列数据分享（1985–2020）

作者采用Prophet模型来重构了1985年至2020年的1公里分辨率的时空连续Landsat LST数据。Prophet是Facebook开源的时间序列预测算法，可以有效处理节假日信息，并按周、月、年对时间序列数据的变化趋势进行拟合。根据官网介绍，Prophet对具有强烈周期性特征的历史数据拟合效果很好，不仅可以处理时间序列存在一些异常值的情况，也可以处理部分缺失值的情形。算法提供了基于Python和R的两种实现方式。数据预处理。

2023-10-17 11:18:03 182

原创【代码复刻】SCI论文双x轴双y轴频率分布直方图代码复刻

若需要绘制单个倒立直方图，直接使用ax.invert_yaxis()将柱体反转，注意需要将x轴的刻度和标签也显示在上方。

2023-10-16 22:47:34 174

原创【概念详解】空间自相关

空间自相关是一种用来度量空间数据的分布特征和相互关系的统计方法。空间自相关的基本思想是，空间上相邻或接近的位置上的数据值之间可能存在某种依赖或相似性，而这种依赖或相似性会随着距离的增加而减弱或消失。空间自相关可以分为全局空间自相关和局部空间自相关两种类型，分别用来描述整个研究区域的空间分布模式和局部区域的空间异质性。

2023-10-10 17:04:48 7313

原创 SCI论文分组箱线图代码复刻

代码中随机创建了几组数据来绘图，数据分布范围为0到1，换个人数据使用时需要自行调节各个部分直接按的位置，包括箱体大小，位置，竖线位置，图例位置等。每行代码都有注释，可以直接修改，把自己的数据存为字典后可以直接使用。分组箱线图如下，图片表示三个气候区28个主要城市区域的AS、水体和植被的总体比例情况，绘制分组箱线图来展示。在我的公众号（同名）中会持续更新好看的SCI论文图片的代码复刻，往期图片如下，可自行在公众号中获取。

2023-10-09 21:03:51 112

原创【代码复现】SCI论文特征重要性条形图代码复现

随机森林特征重要性条形图绘制，前几个特种呈现不同的颜色。其中的误差棒是通过计算特征重要性的标准误差来获得的，以表示特征重要性的不确定性。标准误差是一种度量估计值的不确定性的统计量，它表示估计值可能偏离真实值的程度。

2023-10-07 16:01:19 187

原创【代码复刻】SCI论文分组柱状图代码复刻

上图表示2000年，2010年，2020年，2030年以及2040年的土地利用分类变化统计图，带有误差棒，线性拟合为建设用地的变化情况，代码换上自己的数据就可以直接使用。

2023-10-05 12:29:22 196

原创【数据分享】建筑数据分享

中科院李蒙蒙团队在2020年在Remote Sensing of Environment期刊上面发表了一套建筑栅格数据集，数据集包括**建筑密度，建筑高度以及建筑体积**。一共有三个地区的数据，分别是中国，美国和欧洲，空间分辨率为1km，数据集的时间为2015年。

2023-10-03 15:42:29 411

原创 Fragstats景观格局指数含义

指数的选择:Fragstats/select patch(class、land)metrics 指数一共有三个级别，path、class、landscape三个级别。不同级别对应不同的指数，对应着不同的生态学意义。所以选择指数的时候，一定要清楚所选择的指数对应的级别。

2023-10-02 15:34:11 5084

原创 python实现密集物种分布点按距离删除

在做物种分布模型预测过程中，往往需要删除一些造成信息冗余的密集物种分布点，在减少模型数据量的同时也可以减少样本采样偏差造成的影响，而设置一个怎么的阈值去过滤掉过度空间自相关的物种点则需要结合自己的数据去考虑。我这里以2km为例去删除掉小于2km距离以内的点。

2023-09-23 22:42:58 93

原创 python实现随机森林模型物种分布预测

对于物种分布模型(SDM)，用的最多的无疑是最大熵模型（MaxEnt），它是基于最大化信息熵的原则，通过考虑已知的约束条件和最少的先验假设来推测物种在不同环境中的分布概率分布，本质上是一种先验概率假设方法。后来学者发现类似随机森林(RF)这种黑箱模型在物种分布预测过程中具有较好的效果。下面为python代码的实现过程。

2023-09-21 23:07:41 1586 2