《Python地理空间数据分析》—

Python地理空间数据分析

郭晨, 孙郁俨, 金宝成译

出版时间：2024年11月

页数：293

“本书涵盖了各种数据可视化的问题，每一章都很有价值。通过阅读本书，我感到提升了使用Python工具解决地理空间数据问题的能力。”
——Patrick Viafore
Robust Python 作者

托布勒的地理的第一定律告诉我们，所有事物之间都相关，但是距离近的事物比距离远的关系更密切。但是当我们再看托布勒的第二定律：特定地理区域外部的现象对内部产生影响，就会理解为什么地理学家和数据分析师在数据故事和大规模研究项目中引入位置科学。展开全部内容介绍

目录
产品信息
关于作者
封面介绍

前言
第1章地理空间分析入门
1.1 数据普及
1.2 提出数据问题
1.3 空间数据科学的概念框架
1.3.1 地图投影
1.3.2 矢量数据：用对象表示地点
1.3.3 栅格数据：了解空间关系
1.4 数据集的选择和评估
1.5 总结
第2章空间分析的基本设施
2.1 探索QGIS中的空间数据
2.1.1 安装配置QGIS
2.1.2 将底图添加到QGIS
2.1.3 探索数据资源
2.2 可视化纽约市的环境投诉
2.2.1 上传数据到QGIS
2.2.2 设置项目CRS
2.2.3 使用查询构建器过滤数据
2.3 人口数据可视化
2.3.1 QGIS Python控制台
2.3.2 加载栅格层
2.3.3 红线区：反映不平等
2.4 小结
第3章 QGIS：探索用于空间分析的PyQGIS和原生算法
3.1 探索QGIS工作区：旧金山的绿化和不平等现象
3.1.1 Python插件
3.1.2 访问数据
3.1.3 使用图层面板
3.1.4 处理研究问题
3.2 WFS：识别马萨诸塞州的环境威胁
3.2.1 访问数据
3.2.2 探索属性
3.2.3 使用迭代器
3.2.4 图层样式
3.3 在Python控制台中使用处理算法
3.3.1 使用算法
3.3.2 按表达式提取
3.3.3 缓冲区
3.3.4 按位置提取
3.4 总结
第4章云上的地理空间分析：Google Earth Engine以及其他工具
4.1 配置Google Earth Engine
4.2 使用GEE控制台和geemap
4.2.1 创建Conda环境
4.2.2 打开Jupyter Notebook
4.2.3 安装geemap和其他包
4.3 geemap概览
4.3.1 图层和工具
4.3.2 底图
4.4 探索Landsat 9影像集
4.5 使用光谱带
4.6 国土覆盖数据库底图
4.6.1 访问数据
4.6.2 建立自定义图例
4.7 Leafmap：Google Earth Engine的代用品
4.8 总结
第5章 OpenStreetMap：使用OSMnx访问地理空间数据
5.1 OpenStreetMap的概念模型
5.1.1 标签
5.1.2 多重图
5.2 安装OSMnx
5.3 选择一个地点
5.4 了解变量和参数
5.5 计算出行时间
5.6 OSMnx中的基本统计度量指标
5.6.1 迂回性
5.6.2 路网分析：法国巴黎的迂回性
5.6.3 中间向心性
5.6.4 网络类型
5.7 定制地区地图
5.7.1 通过地点生成几何图像
5.7.2 通过地址生成几何图像
5.8 在QGIS中使用QuickOSM
5.9 总结
第6章 ArcGIS的Python API
6.1 安装配置
6.1.1 ArcGIS Python API中的可用模块
6.1.2 安装ArcGIS Pro
6.1.3 环境设置
6.1.4 安装依赖
6.2 连接到ArcGIS Python API
6.2.1 以匿名用户身份连接到ArcGIS Online
6.2.2 使用证书连接到ArcGIS用户账户
6.3 探索图像层：城市热岛图
6.4 栅格函数
6.5 探索图像属性
6.5.1 图像提升
6.5.2 比较位置的不同时间点数据
6.5.3 过滤图层
6.6 总结
第7章 GeoPandas和空间统计
7.1 安装GeoPandas
7.2 使用GeoJSON文件
7.3 创建GeoDataFrame
7.4 使用美国人口普查数据：洛杉矶（LA）人口密度地图
7.4.1 通过人口普查API和FTP访问区域和人口数据
7.4.2 在浏览器中通过人口普查API访问数据
7.4.3 使用数据配置文件
7.4.4 创建地图
7.5 总结
第8章数据清洗
8.1 检查缺失数据
8.1.1 上传到Colab
8.1.2 空值和非空值
8.1.3 数据类型
8.1.4 元数据
8.1.5 汇总统计
8.1.6 替换缺失值
8.2 使用Missingno可视化数据
8.3 映射模式
8.3.1 纬度和经度
8.3.2 shapefile
8.4 总结
第9章探索地理空间数据抽象库（GDAL）
9.1 安装配置GDAL
9.1.1 安装Spider
9.1.2 安装GDAL
9.2 在命令行中使用GDAL
9.3 使用GDAL编辑数据
9.3.1 Warp函数
9.3.2 获取输入光栅波段
9.4 在Python中使用GDAL库
9.4.1 初识Spyder
9.4.2 在Spyder中浏览数据
9.4.3 在GDAL中转换文件
9.4.4 在GDAL中使用Binmask
9.4.5 完整脚本
9.5 探索开源光栅文件
9.5.1 USGS EarthExplorer
9.5.2 Copernicus Open Access Hub
9.5.3 Google Earch Engine
9.6 总结
第10章使用Python测量气候数据
10.1 案例1：使用降水数据验证气候预测
10.1.1 目标
10.1.2 下载数据
10.1.3 使用Xarray
10.1.4 合并2015年和2021年的数据集
10.1.5 生成图像
10.1.6 其他探索
10.2 案例2：使用WTSS Series分析亚马逊雨林中的森林砍伐和碳排放
10.2.1 安装设置
10.2.2 创建地图
10.2.3 分析
10.2.4 调优
10.3 案例3：使用Forest at Risk对瓜德罗普岛的森林砍伐建模和预测
10.3.1 安装配置
10.3.2 数据图像化
10.3.3 数据抽样
10.3.4 图像关联
10.3.5 使用iCAR模型对森林被砍伐的概率建模
10.3.6 马尔科夫链蒙特卡洛方法（MCMC）距离矩阵
10.3.7 使用predict_raster_binomial_iCAR对森林被砍伐的概率建模
10.3.8 碳排放
10.3.9 分析
10.4 总结
附录推荐阅读
参考资料

购买选项

定价：98.00元

书号：978-7-5198-9052-0

出版社：中国电力出版社

联系出版社邮购