笔记研究工具项目
未完待续 TO BE CONTINUED2024
STILL EXPLORING

一处坐标
一段旅程
一张未完成的地图

我从一处坐标出发，沿着兴趣与好奇，慢慢绘制自己的世界；一笔一划，描摹所见，也描摹尚未成为答案的自己。

开始阅读笔记看看我的项目 →GitHub ↗
0
笔记 NOTES
0
研究 RESEARCH
0
项目 PROJECTS
向下滑动SCROLL TO EXPLORE37.74°N · 112.66°E
00 · DIRECTIONS

我在做什么

01

GIS 与遥感

土地利用解译、植被指数、时序分析，GEE 云端处理与 InSAR 形变监测。

SECTOR RS
02

空间分析

生态安全格局、MSPA、电路理论、空间统计与地理加权建模。

SECTOR SA
03

WebGIS 与可视化

MapLibre / Cesium / Leaflet，地图应用开发与地理数据前端表达。

SECTOR WG
04

编程与数据

Python / JavaScript 地理数据处理，XGBoost-SHAP 可解释建模。

SECTOR DEV
01 · LATEST NOTES

最近的笔记

全部笔记→
10-17

GEE 01 · Google Earth Engine 到底是什么？

Google Earth EngineREAD→

Google Earth Engine（GEE）是一个非常实用的地理空间数据分析平台，在遥感、GIS、生态环境监测等领域都有广泛应用。它不仅提供丰富的地理空间数据，还能利用云端计算…

10-17

GEE 02 · 从零注册到运行第一段代码

Google Earth EngineREAD→

上一篇我们认识了Google Earth Engine（GEE）：它提供海量地理空间数据，并让我们在云端开展遥感与空间分析。这一篇正式开始动手，把平台从“知道是什么”变成真正能运行。

10-17

GEE 03 · Code Editor 界面全解析

Google Earth EngineREAD→

上一篇我们完成了注册，并在 Code Editor 里跑通了第一段代码。但第一次打开这个页面，满屏的按钮和面板很容易让人发懵：哪里写代码？结果在哪看？保存和分享有什么区别？

02 · RESEARCH

最近的研究

全部研究→
2026-08-17已完成
基于 SBAS-InSAR 和多模型机器学习的地面塌陷易发性评价地面塌陷

以阳泉市郊区采煤塌陷区为研究区，用 24 景 Sentinel-1A 影像反演时序形变，与 12 个评价因子一起训练基础/增强两组共 8 个机器学习模型，定量证明 InSAR 形变信息对塌陷易发性识别的增益作用。

SBAS-InSAR机器学习XGBoostSHAP易发性评价
READDETAIL→
2026-08-10已完成
基于复杂网络的生态网络韧性评估与增边优化研究生态网络

以阳泉市为研究区，用 MSPA + 景观连通性识别 32 个生态源地，AHP 阻力面 + 电路理论提取 82 条廊道，再把网络抽象为加权图模拟三种攻击下的韧性衰减，设计低度/低介数两种定向增边策略并定量验证优化效果。

MSPA电路理论复杂网络网络韧性增边优化
READDETAIL→
03 · PROJECTS

最近的项目

全部项目→

还没有项目。

有些地方尚未抵达 · 有些线条仍在延伸

全部内容收录于 归档