Python地理空间分析指南 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:人民邮电出版社

作者:莱哈德 (Joel Lawhead)

出品人:

页数:317

译者:

出版时间:2017-4-1

价格:CNY 79.00

装帧:平装

isbn号码:9787115448217

丛书系列:

图书标签:

数据分析
python
地理
GIS
Python
美国
可视化
入门
Python
地理空间分析
GIS
空间数据
地图
地理数据处理
空间统计
GeoPandas
Shapely
空间分析

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小哈图书下载中心

qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

用非常流行的Python语言做地理空间分析；

学习高效、易学的地理空间分析指南；

书中含有典型且非常实用的开发案例，帮助读者快速掌握相关技能；

图文结合，将学习效率大大提高。

Python作为一种高级程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言之一。

本书以地理空间分析为背景，介绍了Python在地理信息处理方面的应用技巧。全书共分为10章，分别介绍了Python与地理空间分析、地理空间数据、地理空间技术、Python的地理空间分析工具、Python与地理信息系统、Python与遥感、Python与高程数据、Python与地理空间高级建模、实时数据、综合应用等内容。

本书内容结构清晰，示例完整，适合希望了解测绘数字化和分析的读者，也适合想使用Python进行空间地理分析、建模和GIS分析的开发人员及研究人员参考阅读。

作者简介

Joel Lawhead 目前是NVision公司的CIO，该公司是业内屡获殊荣的地理信息集成和传感工程服务提供商。他还获得了管理专业人员资格认证（Project Management Professional，PMP)，地理信息专业资格认证(certified GIS Professional ，GISP)。

Joel于1997年开始使用Python，从2000年开始使用它进行地理空间软件的开发，也是Learning Geospatial Analysis with Python（第1版）和QGIS Python Programming Cookbook的作者，并且这两本书都是Packt出版的。他撰写的Python Cookbook系列图书由O'Reilly Media出版，其不同版本更是各具特色。除此之外，他还是广受赞誉的开源软件PyShp（Python Shapefile Library）的主要开发人员。他的技术博客是http://geospatialpython.com/，Twitter昵称是@SpatialPython，通过上述方式，用户可以和他讨论地理空间分析中与Python编程相关的话题。

2011年，Joel通过逆向工程处理了Shapefile文件的空间索引格式，帮助地理空间Python工程师Marc Pfister实现了上述索引算法，这一做法有利于世界各地的开发者开发出更易于集成、更健壮的地理空间应用。

Joel作为架构师、项目经理和地理空间应用合作开发者，多次为美国政府机构提供服务，其中包括NASA、FEMA、NOAA、美国海军，以及其他商业和非营利性机构。2002年，由于其领导开发的实时应急响应协作工具（the Real-Time Emergency Action Coordination Tool，REACT）表现杰出，他获得了Esri公司颁发的国际GIS特别成就奖。该软件的主要用途是使用地理空间分析技术进行应急管理。

目录信息

第1章 Python与地理空间分析 1
1．1　地理空间分析与我们的生活　1
1．2　地理空间分析的历史　3
1．3　地理信息系统　6
1．4　遥感　7
1．5　高程数据　12
1．6　计算机辅助制图　13
1．7　地理空间分析和计算机编程　14
1．8　地理空间分析的重要性　15
1．9　地理信息系统基本概念　16
1．9．1　专题地图　16
1．9．2　空间数据库　17
1．9．3　空间索引　17
1．9．4　元数据　17
1．9．5　地图投影　18
1．9．6　渲染　19
1．9．7　影像数据　20
1．9．8　遥感和颜色　20
1．10　GIS中矢量数据的基本概念　21
1．10．1　数据结构　21
1．10．2　缓冲区　22
1．10．3　融合　22
1．10．4　简化　23
1．10．5　叠置　24
1．10．6　合并　24
1．10．7　点包容性　25
1．10．8　联合　25
1．10．9　连接　26
1．10．10　地理空间中的多边形
规则　26
1．11　栅格数据的基本概念　27
1．11．1　波段运算　27
1．11．2　变化监测　27
1．11．3　柱状图　28
1．11．4　特征提取　28
1．11．5　监督分类　29
1．11．6　非监督分类　29
1．12　牛刀小试　29
1．12．1　Python简介　30
1．12．2　构建SimpleGIS　31
1．13　小结　38
第2章　地理空间数据　39
2．1　数据格式概览　39
2．2　数据结构　41
2．3　空间索引　42
2．3．1　索引算法　43
2．3．2　网格　44
2．4　概要化　45
2．5　元数据　46
2．6　文件结构　46
2．7　矢量数据　48
2．7．1　Shapefile文件　48
2．7．2　CAD文件　51
2．7．3　标签和标记格式　51
2．7．4　GeoJSON　53
2．8　影像数据　54
2．8．1　TIFF文件　55
2．8．2　JPEG、GIF、BMP和
PNG文件　56
2．8．3　压缩格式　56
2．8．4　ASCII网格　56
2．8．5　全球文件　57
2．9　点云数据　59
2．10　Web服务　61
2．11　小结　62
第3章　地理空间技术概览　63
3．1　数据访问　65
3．1．1　GDAL　65
3．1．2　OGR　67
3．2　计算几何　68
3．2．1　PROJ．4投影库　68
3．2．2　CGAL　69
3．2．3　JTS　71
3．2．4　GEOS　72
3．2．5　PostGIS　73
3．2．6　其他支持空间分析的
数据库　76
3．2．7　SpatiaLite　80
3．2．8　路径分析　80
3．3　桌面工具（包括可视化）　82
3．3．1　Quantum GIS　82
3．3．2　OpenEV　83
3．3．3　GRASS GIS　84
3．3．4　uDig　85
3．3．5　gvSIG　86
3．3．6　OpenJUMP　87
3．3．7　谷歌地球　87
3．3．8　NASA World Wind　89
3．3．9　ArcGIS　91
3．4　元数据管理　92
3．4．1　GeoNetwork　92
3．4．2　CatMDEdit　92
3．5　小结　93
第4章　Python的地理空间分析工具　95
4．1　安装Python的第三方模块　96
4．2　Python的网络库　100
4．2．1　Python的urllib模块　101
4．2．2　FTP　103
4．2．3　ZIP和TAR文件　104
4．3　Python的标记、标签解析器　107
4．3．1　minidom模块　107
4．3．2　元素树　109
4．3．3　WKT文本　115
4．4　Python的JSON库　117
4．4．1　json模块　118
4．4．2　geojson模块　119
4．5　OGR　119
4．6　PyShp　120
4．7　dbfpy3　121
4．8　Shapely　122
4．9　Fiona　123
4．10　GDAL　125
4．11　NumPy　125
4．12　PIL　127
4．13　PNGCanvas　129
4．14　GeoPandas　130
4．15　PyMySQL　132
4．16　PyFPDF　133
4．17　Spectral Python　134
4．18　小结　134
第5章　Python与地理信息系统　135
5．1　距离测量　135
5．1．1　勾股定理　138
5．1．2　半正矢公式　140
5．1．3　Vincenty公式　141
5．2　方位计算　144
5．3　坐标转换　144
5．4　重投影　146
5．5　Shapefile文件编辑　148
5．5．1　Shapefile文件访问　150
5．5．2　Shapefile文件属性读取　151
5．5．3　Shapefile文件几何
图形读取　154
5．5．4　Shapefile文件修改　155
5．5．5　Shapefile文件合并　157
5．5．6　Shapefile文件分割　160
5．6　查询优化　161
5．6．1　点包容性公式　161
5．6．2　边框查询　163
5．7　空间信息可视化　166
5．7．1　点密度计算　166
5．7．2　等值区域图　169
5．8　使用电子表格　171
5．9　使用GPS数据　173
5．10　地理化编码　174
5．11　小结　176
第6章　Python与遥感　177
6．1　图像波段变换　178
6．2　创建直方图　180
6．3　图像剪裁　187
6．4　图像分类　191
6．5　图像特征提取　195
6．6　变化监测　200
6．7　小结　205
第7章　Python与高程数据　206
7．1　ASCII网格文件　206
7．1．1　读取grids　207
7．1．2　写入grids　208
7．2　创建地形阴影　210
7．3　创建等高线　215
7．4　使用LIDAR　219
7．4．1　使用LIDAR创建网格　220
7．4．2　使用PIL让LIDAR支
持可视化　226
7．4．3　创建不规则三角
网络（TIN）　230
7．5　小结　234
第8章　Python与地理空间高级建模　235
8．1　归一化植被指数（NDVI）应用　235
8．1．1　建立框架　237
8．1．2　载入数据　239
8．1．3　栅格化Shapefile文件　239
8．1．4　波段剪裁　241
8．1．5　使用NDVI公式　241
8．1．6　NDVI分类　243
8．2　创建洪水淹没模型　246
8．2．1　洪水填充功能　248
8．2．2　创建洪水　250
8．3　创建彩色晕渲地形　253
8．4　最佳路径分析　255
8．4．1　建立测试网格　256
8．4．2　A*算法简介　257
8．4．3　生成测试路径　258
8．4．4　查看测试结果　259
8．4．5　实际应用　260
8．5　街道路网规划　267
8．6　照片地理定位　271
8．7　小结　273
第9章　实时数据　274
9．1　实时路况监测　275
9．1．1　NextBus代理列表　276
9．1．2　NextBus路径列表　277
9．1．3　NextBus设备地址　277
9．1．4　NextBus地址映射　279
9．2　气象跟踪　283
9．3　区域报告　291
9．4　小结　292
第10章　综合应用　294
10．1　GPS报告示例　294
10．2　使用GPX-Reporter．py　295
10．3　程序概要　296
10．4　初始化　297
10．5　功能函数调用　298
10．6　解析GPX　302
10．7　获取边框　303
10．8　下载地图和高程影像　304
10．9　创建地形　306
10．10　创建地图　307
10．11　高程测量　310
10．12　距离测量　311
10．13　获取气象数据　313
10．14　小结　317
· · · · · · (收起)

读后感

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

关于本书的实践性和挑战性，我想特别提一下其中的案例设计。很多技术书籍的例子都是独立且简单的，学完一个例子后，读者往往难以将知识点串联起来。这本书则巧妙地采用了“项目驱动”的教学模式。虽然不是一个贯穿始终的超大项目，但每一章的末尾都会有一个综合性的练习，它要求读者结合前几章学到的数据获取、清洗、空间操作和可视化能力来解决一个相对完整的问题。这迫使我们必须思考不同步骤之间的依赖关系和数据流向。例如，有一个关于城市热岛效应的章节，它要求读者先从多个异构数据源（如气象站数据和建筑物高度数据）中提取信息，进行空间叠置分析，然后通过高级统计方法评估热点区域，最后用定制化的分级设色图展示结果。这种由浅入深、层层递进的练习，极大地锻炼了我的问题分解和系统性解决问题的能力，远超出了我最初预期的“查阅工具手册”式的学习体验。

评分☆☆☆☆☆

这本书，说实话，我刚翻开的时候，心里是有点打鼓的。标题上的“Python”和“地理空间分析”听起来就挺高深的，我一个半路出家的自学者，担心自己是不是选了个太难的“大部头”。不过，翻阅了前几章后，我的疑虑基本上就烟消云散了。作者的叙事方式非常平易近人，仿佛是一位经验丰富的前辈在手把手地教你入门。他没有上来就堆砌那些让人头疼的数学公式和复杂的算法理论，而是非常巧妙地从实际应用场景入手。比如，一开始就用了一个非常贴近生活的案例——如何利用卫星图像分析某个区域的绿化覆盖率变化。这个例子一下子就把我拉进去了，让我立刻看到了这些工具的实际价值。接着，作者详细讲解了如何搭建环境，从安装必要的库到配置工作空间，每一步都写得清清楚楚，甚至连一些小小的命令行操作的细节都没有放过。这对我这种害怕环境配置出错的“小白”来说，简直是雪中送炭。书里对数据结构和基本操作的介绍也非常扎实，不像有些教材那样只停留在概念层面，而是直接教你怎么用代码实现，代码示例逻辑清晰，注释到位，读起来非常流畅。

评分☆☆☆☆☆

从排版和配套资源的角度来看，这本书也做得相当专业。在技术书籍中，代码的可读性和排版质量往往是影响阅读体验的关键因素。本书的代码块格式清晰，缩进规范，变量命名也符合行业惯例，这使得在对照学习时减少了因代码格式错误而产生的困惑。更重要的是，作者非常贴心地提供了一套完整的配套代码库链接，所有示例文件、测试数据和环境配置文件都被整理得井井有条。这一点对于我们这些依赖线上环境或者需要快速复现代码的读者来说，简直太重要了。我曾遇到过因为数据源失效而导致某些旧版技术书籍无法运行的情况，但这本书的维护似乎很及时，配套资源非常可靠。总而言之，这是一本兼顾了理论深度、技术广度、实践操作和用户体验的优秀著作，它为我打开了地理空间分析领域的一扇坚实的大门。

评分☆☆☆☆☆

我个人对本书中关于数据可视化部分的阐述感到非常满意，这通常是很多技术书籍中较为薄弱的一环。在地理空间分析中，最终的成果往往需要通过地图来直观展示，如果可视化做得不到位，再精确的分析结果也可能“哑火”。这本书并没有满足于生成标准的静态地图，而是花了不少篇幅介绍如何利用动态交互式地图库，比如如何将分析结果嵌入到 `Folium` 或其他基于 Web 的地图框架中。作者展示了如何添加时间轴滑块来展示随时间变化的分析结果，如何自定义图层样式以突出关键信息点，甚至还涉及了简单的 Web 服务发布思路。这种前瞻性的内容设置，让我觉得这本书的适用周期会很长。它不仅仅是一本教会你“分析”的书，更是一本教你如何“讲述”你的地理空间故事的书。我尝试跟着书里的例子，将我们项目中某个复杂的网络分析结果制作成一个可以在会议上直接演示的交互式网页，效果比预想的还要好。

评分☆☆☆☆☆

这本书的深度和广度，真的让人感到惊喜。我原本以为它会集中在某一个特定的库或技术上，比如只讲 `GeoPandas` 或者 `Shapely`，但它显然志不在此。它构建了一个非常全面的技术栈地图。我特别欣赏作者在介绍不同工具时的“取舍”智慧。他不会面面俱到地介绍每一个函数的每一个参数，而是聚焦于那些在实际工作中出现频率最高、最核心的功能。比如，在处理空间数据结构转换时，他深入剖析了矢量数据和栅格数据之间的相互转换逻辑，这在很多初级读物中往往是一笔带过的地方。更令人称道的是，书中对性能优化的讨论也相当到位。当处理大批量地理数据时，程序变慢是常见的问题，而这本书提供了一些实用的优化技巧，比如如何利用并行计算来加速空间连接操作。这种从“能用”到“好用”的跨越，才是区分一本优秀技术书和普通教材的关键所在。读完后，我感觉自己不再是简单地会调用几个函数，而是对整个地理空间数据处理的“生命周期”有了更深刻的理解，能够自主地为特定任务选择最合适的工具组合。

评分☆☆☆☆☆

20190310在读，20190330读过，略读

评分☆☆☆☆☆

不知道怎么用。

评分☆☆☆☆☆

入门书，概念框架、主流技术介绍得非常全，适合初学者了解概念，也适合熟手扩展知识面。具体技术讲得不深入，不适合作为工具书

评分☆☆☆☆☆

不知道怎么用。

评分☆☆☆☆☆

遥感方向python地理空间编程应用的入门基础