gmtmex：适用于MATLAB的GMT API

介绍 pyEarth是使用pyQt和OpenGL实现的地球的轻量级3D可视化：它是的3D对应。 用户可以： 导入shapefile以可视化3D地图。 使用Excel创建对象（节点或链接）。 将项目导出到Google Earth。 pyEarth版本 标准版（pyEarth.py，<150行） 标准版本用不到150行代码实现pyEarth。 可以通过导入shapefile创建地图，并实现以下绑定： 滚轮可放大和缩小。 左键单击按钮可沿任何方向旋转地球。 右键单击按钮可在3维空间中移动视图（如取景器）。 紧迫的空间将开始地球的持续旋转。 在“ pyEarth / shapefi

传单的地理栅格层 在传单地图上显示GeoTIFF和其他类型的栅格 安装 npm install georaster-layer-for-leaflet GeoRaster前提条件 GeoRasterLayer要求首先将输入转换为GeoRaster格式。 您可以使用以下命令安装GeoRaster： npm install georaster 通过脚本标签加载软件包 < script src =" https://unpkg.com/georaster-layer-for-leaflet/dist/georaster-layer-for-leaflet.min.js " > 用法 new GeoRasterLayer ( { georaster } ) . addTo ( map ) ; 演示版 此处更多内容： ： 为什么 简单的最近邻插值法，渲染速度超快 使用Web Worker意味

XYZ Maps JS XYZ Maps是一个用TypeScript / JavaScript编写的实验性正在进行中的开源地图编辑器。 它由以下主要模块组成： ：“通用”模块提供了XYZ地图所有其他模块所需的常用javascript功能。 ：核心模块提供最基本的功能。 该模块的主要功能是：数据提供者，TileLayers，几何类和样式定义。 ：“显示”模块是高度可定制的矢量地图显示，已针对地图编辑，较大的原始数据集和频繁更改的数据进行了优化。 ：编辑器模块提供了一个用于编辑地图数据的API，可用于轻松访问，添加，删除和编辑各种类型的地图数据。 先决条件 （8.16.0+） （1.11.0+） 开始开发 克隆此存储库 git clone https://github.com/heremaps/xyz-editor.git cd xyz-editor 安装节点模块依赖项 yarn install 监视源代码更改并构建开发版本 yarn run watch-dev 内部版本位于./packages/*/dist/ 设置您的XYZ令牌 仅当使用xyz.api.here.c

h3-js h3-js库提供了（基于六边形的地理网格系统）的纯JavaScript版本。 它可以在Node> = 6或浏览器中使用。 核心库是使用emscripten从C，可提供与C API的完全奇偶校验和高效的操作。 有关H3的更多信息以及完整的API文档，请参阅。 将错误报告或功能请求发布到 通过发布到的来提问 安装 npm install h3-js 用法 该库使用ES6模块。 Node和浏览器的捆绑包内置于dist文件夹。 进口 ES6的用法： import { h3ToGeo } from "h3-js" ; CommonJS的用法： const h3 = require ( "h3-js" ) ; 预捆绑脚本（库可以作为h3全局库使用）： < script src =" https://unpkg.com/h3-js " > </ script > 核心功能 /

Raster Vision是一个开放源代码Python框架，用于在卫星，航空和其他大型影像集（包括倾斜的无人机影像）上构建计算机视觉模型。 它允许用户（不需要成为深度学习专家！）可以快速重复地配置执行机器学习管道的实验，包括：分析训练数据，创建训练芯片，训练模型，创建预测，评估模型和捆绑模型文件和配置，以便于部署。 内置支持使用PyTorch进行芯片分类，对象检测和后端语义分割。 可以在内置支持使用在云中运行的CPU和GPU上执行实验。 该框架可扩展到新的数据源，任务（例如实例分段），后端（例如Detectron2）和云提供商。 有关更多详细信息，请参见。 建立 可以通过多种方法来设置Raster Vision： 要从头开始构建Docker映像，请克隆此仓库后，运行docker/build ，然后使用docker/run容器。 Docker映像已发布到 raster-vision图像的标签确定它是哪种图像： pytorch-*标签用于运行PyTorch容器。 每次合并到master ，我们都会发布一个新标签，并使用提交哈希的前7个字符进行标签。 要使用最新版本，请拉l

投资：生态系统服务和权衡的综合评估 InVEST（生态系统服务与权衡的综合评估）是一系列工具，可用于以清晰，可信和实用的方式量化自然资本的价值。 为了保证对自然投资的回报（社会收益），科学界需要提供知识和工具来量化和预测这一回报。 InVEST使决策者能够量化自然资本的重要性，评估与替代选择相关的权衡，并将保护与人类发展相结合。 InVEST的较早版本在ArcGIS ArcToolBox环境中作为脚本工具运行，但几乎已全部移植到纯开源python环境中。 笔记 该存储库适用于InVEST 3.2.1和更高版本 这将取代我们先前位于Google Code项目。 如果您要构建InVEST <= 3.2.0，请使用位于的已发布release-framework存储库，以及位于的InVEST存储库 。 一般信息 网站： ： 源代码： : 问题追踪器： : 用户指南： : AP

GRASS GIS存储库 描述 GRASS GIS（ ）是一个地理信息系统，用于地理空间数据管理和分析，图像处理，图形/地图制作，空间建模和可视化。 如何在这里获得写访问权限 通常，您实际上不需要写访问权限，因为您只需打开即可为GRASS GIS做出贡献。 有关更多详细信息，请参见。 想成为核心开发者？ 请参阅 如何编译GRASS 请参阅安装文件。 是的，您应该真正阅读 。 此外，Wiki中还有详细的。 码头工人 使用下载的源代码构建docker映像（在包含源代码的目录中运行）： docker build -t grassgis79 . 测试运行（假设您具有现有的GRASS GIS测试位置；可以从 下载） # case 1: launching in the grassdata directory in which the location is stored: docker

PySDMs Python中的生态物种分布模型（SDM）的面向对象的类。 建模指标 物种分布的地理分类 包装布局 库代码本身 许可证，适用于此软件包 README.md-您现在正在阅读的README文件 -先决条件安装该软件包，通过使用PIP 安装程序脚本 /-单元测试 较长的说明： 物种分布建模（SDM）的面向对象的类。 PySDM在SDM框架的建模部分完成了大部分繁重的工作，其中的插值功能主要将地理分类步骤包装在面向对象的方式中。 省略了SDM工作流程的预处理步骤，主要是因为它们在R中更容易执行（请参阅examples /中Jupyter笔记本末尾的围兜链接）。 PySDM是为我的约书亚树和沙漠夜蜥蜴的气候变化影响研究项目而开发的。 职能 self.fit（）：使用PyCaret进行模型训练，考虑基于树的方法，神经网络和最佳子集选择软投票混合。 需要一个具有分类目标和数字说

geopandas-spatial-join-example：如何使用geopandas和Python将点连接到多边形数据的示例