前言

巨灾模型是巨灾风险管理中不可或缺的重要工具，近年来，随着开源力量的不断重大，开源巨灾模型也逐渐成为一支不可忽视的重要力量，本文与前两篇一道，对最新的开源巨灾模型动态（2019年3月）进行简要回顾。

GEM组织介绍

基本情况

GEM（Global Earthquake Model）成立于2009年，是一家全球性的地震危险性分析和地震风险评估的非营利组织，总部位于意大利Pavia。

背景

巨灾风险管理愈发重要

近年来，受全球气候变化、自然环境破坏等因素影响，世界各国自然灾害的强度不断增大、频率日益增加；另一方面，随着经济总量的增长和人类活动范围的扩大，自然灾害对经济社会的影响也越发突出，巨灾损失规模连连创造历史记录。由于巨灾事件的严重破坏性和灾后重建占用大量资源严重影响社会经济发展，世界各国都对巨灾风险管理开展研究，并逐步建立各自的巨灾风险管理制度。

引言

Mapbox已经成为移动地图和数据可视化的代名词。除了已经广泛被程序开发人员和制图师所使用的底图样式工具集以外，他们还提供了Python和JavaScript编写的绘图工具。

通过将这两种语言组合在一个包中，Mapbox发布了新的"MapboxGL-Jupyter" Python模块，允许在Jupter Notebook环境中创建数据即时可视化。此外，Mapbox还提供了允许API访问帐户服务的Mapbox Python SDK。

引言

本文将介绍ArcGIS的Python API，以及ArcGIS API的安装、使用和分析等。ArcGIS API for Python是一个用于处理地图和地理空间数据的Python库。我们可以用conda在本地安装API，然后与Esri的云GIS进行交互（无论是ArcGIS Online(SaaS)还是Portal for ArcGIS(为组织部署本地私有云)）。ArcGIS API能够配合Jupter使用，为使用Python脚本进行基于网络的地图分析提供了现代化的解决方案。

ArcGIS API for Python和ArcGIS Online介绍

引言

前面已经介绍了如何安装PostGIS、创建数据表、添加数据并执行基本的空间查询。我们将在此基础上进一步学习如何使用地理空间数据库进行分析和地图可视化。我们将采用美国新墨西哥州Albuquerque的犯罪数据作为例子完成一系列的分析和图表报告。

具体而言，在这篇Notebook里，我们打算创建一个关于犯罪的仪表盘（crime dashboard），大概可以分为三步：

引言

前面我们已经介绍了GIS中的矢量数据以及如何用Python中的软件包进行数据的读写分析等操作。那么，这篇文章则针对GIS中另一大类数据——栅格数据给予类似的介绍，主要用到的工具是GDAL和PostgreSQL。

GDAL操作栅格数据

引言

本文主要介绍矢量数据的处理和地理空间分析，主要用到Shapely、OGR和GeoPandas三个库，展示如何用这三个库执行基本的地理空间分析，以及更加复杂的数据科学任务，主要内容包括：

• 读写、创建、操作矢量数据
• 矢量数据的地图可视化
• 使用地图投影、执行空间操作
• 矢量几何和属性数据分析

前面已经介绍了GIS数据库和Python的相关库，本文介绍GIS中的主要数据类型，以及如何用Python读写GIS数据。

GIS数据类型

两种数据类型

接着前面对DDF分析的余温，这一部分简单介绍与其十分相像的IDF分析。

引言

降水强度是指单位时间的降水量。通常以毫米/日、毫米/小时、毫米/10分钟为单位，还可根据应用部门的专门需要而定。在桥梁、涵洞等工程中所取时段较短(几分钟至几小时)，在农业上有的选取时段较长(旬、月或作物生长发育期)。