Python地理空间分析指南（第2版）_Python教程_源雷技术空间

资源名称：Python地理空间分析指南（第2版）

内容简介：

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。

资源目录：

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

资源截图：

YUANLEISVIP

收藏 链接