《Python地理空间分析指南（第2版）》配套资源

编辑推荐

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。

内容简介

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

• 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　ZUI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