将所有上述提到的资源（和更多我总结的绘图资源整合如下）Chart Suggestions---A Thought-Starter by Andrew Abela --- 经典之作（最新版）Jon Schwabish 和 Severino Ribecca 的Graphic Continuum --- 五个类别的主要来源Financial Times Visual Journalism 的Visual

LEAP拥有灵活的结构，使用者可以根据研究对象特点、数据的可得性、分析的目的和类型等来构造模型结构和数据结构，可以用来分析不同情景下的能源消耗和温室气体排放，这些情景是基于能源如何消耗、转换和生产的复杂计算，综合考虑关于人口、经济发展、技术、价格等一系列假设。该模型主要可用于国家和城市中长期能源环境规划，可以用来预测不同驱动因素的影响下，全社会中长期的能源供应与需求，并计算能源在流通和消费过程中的

各省市、自治区从事自然保护区规划管理、农林、水资源海洋、生态环境等相关领域针对保护地规划、生物多样、生物学、生态学、生态固碳、全球变化、碳水资源研究、生态环境研究与规划的专业技术人员及相关领域专家学者、研究生及生态环境评价的相关工作者等。适宜区分析与绘图方法等内容，此外还增加了建设项目叠加分析等应用项目中的应用，学员可通过本次课程，掌握基于MAXENT模型的建模整体流程以及参数优化、个性化分析等高

基于此，我将统计局发布的多个年度的五级行政区划代码作为层级顺序，在结合CTAmap1.12版本的省市县数据，开始搭建五级行政区划查询与下载网站。数据方面：层级关系由统计局的五级行政代码生成，省市县数据来源于CTAmap1.12版本，乡镇数据来源于github，村级数据是在统计局获得村级名称，通过高德API的地理编码实现。在更新完CTAmap1.12版本之后，我想继续完善这个系列的数据，把时间范围往

DigitalGlobe Open Data ProgramDigitalGlobe Open Data Program提供了高分辨率的卫星图像数据，用户可以通过开放数据计划免费获取部分卫星图像数据，用于自然灾害监测等应用。网站：https://bhoonidhi.nrsc.gov.in/bhoonidhi/home.html。网站：https://search.earthdata.nasa.go

经评估认为，CHM_PRE可以较好的表征降水的空间变异性，其日值时间序列与高密度站点日值降水观测结果之间的相关系数中位数为0.78，均方根误差中位数为8.8 mm/d，KGE值中位数为0.69，与目前常用的降水数据集（CGDPA、CN05.1、CMA V2.0）有很好的一致性。数据集的时间范围为1961年至今，空间分辨率为0.1°、0.25°和0.5°，经纬度范围为18°N–54°N, 72°E–

我自己试了一下，配置了五个公司（openai、kimi、讯飞、阿里和百度）AI的key，能正常使用。另外还可以输入某个学者的Google学术链接，总结这个人的研究情况。先安装一个conda，然后在环境中使用pip安装所需的包，即可使用。大部分AI的key都比较便宜，有一些还是免费的。然后我让它读论文，也可以生成脑图；

DigitalGlobe Open Data ProgramDigitalGlobe Open Data Program提供了高分辨率的卫星图像数据，用户可以通过开放数据计划免费获取部分卫星图像数据，用于自然灾害监测等应用。网站：https://bhoonidhi.nrsc.gov.in/bhoonidhi/home.html。网站：https://search.earthdata.nasa.go

插入的 Excel 是Table格式，Table不能合并单元格，所以合并的单元格 Pro 中不能识别。在ArcGIS Pro中，可以将 Microsoft Excel 表格添加到布局中以显示信息。若是修改了表格内容，可以使用 GP 工具【刷新 Excel】，更新当前正在使用的 Excel。接下来，我们介绍将 Excel 表插入到 Pro 中的两种方法。在 Excel 中调整内容后，需要再次导出图片

你可以每个都尝试一遍，直到选出一个合适的拉伸类型，使得影像可以正常显示颜色——再次导入影像就可以了（当然，你也可以都尝试一下咯，选出个合适的为止）。如果拉伸类型都不合适的话，那就要去调整数据源类型了。极大概率是因为数据源类型没有正确识别，可以解决绝大多数情况的影像变色问题，这个方法应该很多小伙伴都比较熟悉，不知道你有没有遇到过这种情况，有两个方法可以解决这个问题——影像的正常颜色是这样的——可是导