ArcGIS10地理信息係統實習教程/地理信息科學係列 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 維爾潘·L.戈爾，剋裏斯騰·S.庫蘭 著，硃秀芳 譯

圖書標籤:

• ArcGIS
• 地理信息係統
• GIS
• 實習教程
• 地理信息科學
• 空間分析
• 遙感
• 地圖學
• 軟件操作
• ArcGIS10

齣版社： 高等教育齣版社

ISBN：9787040476569

版次：1

商品編碼：12161179

包裝：平裝

叢書名： 地理信息科學係列

開本：16開

齣版時間：2017-07-01

用紙：膠版紙

正文語種：中文

內容簡介

　　《ArcGIS10地理信息係統實習教程/地理信息科學係列》是一本非常實用的工具書，由作者根據在卡內基梅隆大學嚮不同院係本科生、研究生及參加夏令營的高中生教授GIS課程的經驗匯編而成。書中詳細講述瞭關於GIS的各種操作，不僅可以使讀者掌握基本的ArcGIS操作，還可以幫助讀者熟練運用多種不同的空間分析方法。
　　全書分為三大部分。第一部分“地圖使用與繪製”對於每位初學者來說都非常關鍵，涵蓋瞭有關地圖的基本的操作。第二部分“空間數據處理”引導讀者從互聯網上通過政府的網站下載空間數據，並對數據進行處理以備在GIS中使用，包含瞭關於構建地理信息係統的大量專業技術。第三部分“空間數據分析”闡述瞭GIS的作用遠遠不僅是製圖，詳細介紹瞭利用ArcGIS中豐富的分析工具來進行空間數據分析的方法。書中三部分內容在很大程度上是互相獨立的，讀者可以根據自身的實際需求來選擇性地閱讀，但第一部分的各個章節建議按照順序來進行學習。為瞭幫助讀者強化學到的技術，提升核心問題解決能力，每章的最後都設置瞭具有一定挑戰性的作業。

作者簡介

　　硃秀芳，北京師範大學遙感科學與工程研究院副教授、碩士研究生導師。畢業於美國馬裏蘭大學地理係並獲得博士學位。主要研究方嚮為遙感應用和地理信息係統。主持和參與國傢自然科學基金青年科學基金項目、高等學校博士學科點專項科研基金項目、北京市自然科學基金項目、“高分辨率對地觀測係統”重大科技專項、國傢發改委衛星及應用産業發展專項等10餘項國傢和省部級項目。已發錶論文80餘篇．參與撰寫中英文專著各一部。

目錄

第一部分 地圖使用與繪製
第1章 概述
教程1-1 打開和保存地圖文檔
啓動ArcMap
打開一個現有地圖文檔
將地圖文檔保存至新地址
教程1-2 圖層操作
打開與關閉圖層
添加與移除圖層
使用相對路徑
從Catalog窗口中拖放圖層
自動隱藏Catalog窗口
更改圖層顯示順序
更改圖層顔色
更改輪廓綫顔色
教程1-3 瀏覽地圖文檔
放大
固定比例放大與縮小
平移
全視圖、上一視圖和下一視圖
縮放到圖層
開啓放大鏡窗口
更改放大鏡屬性
使用總覽窗口
使用空間書簽
教程1-4 測量距離
更改度量單位
測量華盛頓州的寬度
教程1-5 使用要素屬性
使用識彆工具
使用高級查詢工具
查找要素
教程1-6 選擇要素
使用要素選擇工具
教程1-7 更改選擇項
更改選中要素所在圖層的
屬性
設置可選圖層
按圖形選擇
教程1-8 使用屬性錶
打開“US Cities”圖層的屬性錶並
選擇屬性記錄
在地圖中選擇要素並查看
所選記錄
切換選擇
移動一個字段
字段排序
使用高級排序
統計
關閉字段
教程1-9 標注要素
設置標注屬性和標注要素
關閉標注
將標注轉換為注記
編輯標注圖形
作業1-1 分析美國數量前十的種族人口
作業1-2 製作犯罪地圖
……

第二部分 空間數據處理
第三部分 空間數據分析
附錄A 任務索引
附錄B 數據來源說明（Data source credits）
附錄C 數據使用授權（Data license agreement）
附錄D 數據和軟件安裝

《探索性數據分析：洞察數據背後的故事》 引言 在信息爆炸的時代，數據已成為驅動決策、理解世界、預測未來的核心要素。然而，原始數據本身往往雜亂無章，隱藏著復雜的模式和關係，等待我們去發掘。我們如何纔能從海量數據中提煉齣有價值的見解？如何纔能有效地識彆數據的異常、趨勢和關聯？《探索性數據分析：洞察數據背後的故事》正是這樣一本旨在賦能讀者掌握從數據中發現規律、理解現象的強大工具的書籍。它並非一本教你如何操作特定軟件的“教程”，而是一門關於“思考”的藝術，一門關於“提問”的科學。本書將引領你踏上一段令人興奮的數據之旅，讓你學會如何“傾聽”數據，理解它們想要講述的故事，從而做齣更明智、更有洞察力的決策。 第一部分：數據探索的基石——理解與預處理 在正式開始探索數據之前，我們需要為其奠定堅實的基礎。本部分將從最根本的層麵齣發，幫助讀者建立對數據的基本認知，並掌握處理數據過程中至關重要的預處理步驟。 第一章：數據概覽與初步洞察 數據的生命周期與重要性： 我們將首先探討數據在當今社會中的角色，從收集、存儲、處理到最終的應用，理解數據全生命周期的意義，以及為何探索性數據分析（EDA）是這個過程中不可或缺的一環。EDA的本質在於“先理解，後建模”，避免盲目套用模型而錯失數據本身的洞察。 數據的類型與維度： 詳細介紹不同類型的數據，如數值型（離散、連續）、類彆型（名義、有序）、文本型、時間序列型等，並解釋維度（特徵）的概念。理解數據類型是選擇閤適分析方法的前提。例如，分析連續數值數據和分析分類數據的方法截然不同。 數據質量的初步評估： 缺失值、異常值、重復值、不一緻性等是數據中常見的“噪音”。本章將教會你如何係統地識彆這些問題，並對其進行初步的量化評估。理解數據的“健康狀況”是後續分析的起點，直接關係到分析結果的可靠性。 描述性統計的入門： 掌握常用的描述性統計指標，如均值、中位數、眾數、方差、標準差、極差、分位數等。這些指標能快速勾勒齣數據集的中心趨勢、離散程度和分布形態。我們將通過實際案例，展示如何利用這些指標來初步理解數據的分布特性。 數據集的初步結構分析： 瞭解數據集的行數（樣本量）、列數（特徵數量）等基本信息。分析不同特徵之間的數量關係，例如，一個特徵有多少個唯一的取值？最常見的取值是什麼？這些簡單的統計信息能幫助我們快速建立對數據集規模和復雜度的初步認識。 第二章：數據清洗與轉換——讓數據“說話” 數據並非總是完美無瑕，高質量的分析依賴於乾淨、規範的數據。本章將聚焦於數據清洗與轉換的核心技術，讓數據為我們的分析提供清晰、一緻的信號。 缺失值處理策略： 深入探討各種缺失值處理方法，包括刪除（刪除行或列）、插補（均值/中位數/眾數插補、迴歸插補、KNN插補等）以及標記缺失。我們將分析不同方法的優缺點及其適用場景，以及如何權衡數據丟失與信息失真的風險。 異常值檢測與處理： 介紹多種檢測異常值的方法，如基於統計的方法（Z-score、IQR）、基於可視化方法（箱綫圖、散點圖）以及更高級的算法（如LOF、Isolation Forest）。對於檢測到的異常值，我們將討論如何選擇閤適的處理方式，例如截斷、替換、視為獨立類彆或將其移除，並分析不同處理方式對後續分析的影響。 數據標準化與歸一化： 解釋為什麼要進行數據標準化和歸一化，以及它們在不同算法中的重要性（如距離計算、梯度下降）。我們將詳細介紹Min-Max標準化、Z-score標準化等常用方法，並指導讀者如何根據具體需求選擇閤適的縮放技術。 特徵編碼： 處理類彆型數據是數據預處理中的常見挑戰。本章將詳細講解獨熱編碼（One-Hot Encoding）、標簽編碼（Label Encoding）、序數編碼（Ordinal Encoding）等方法，並分析它們的適用性，例如，何時使用獨熱編碼可以避免引入虛假的序數關係。 日期與時間數據的處理： 日期和時間數據包含豐富的時間信息，但直接使用可能不便。我們將介紹如何從日期時間字符串中提取年、月、日、星期、小時等特徵，以及如何計算時間間隔，為時間序列分析或包含時間維度的分析做好準備。 文本數據的初步處理： 對於包含文本的數據，簡單的字符串匹配往往不足夠。本章將介紹文本清洗（去除標點、轉換為小寫、去除停用詞）和基礎文本特徵提取（如詞袋模型、TF-IDF）的初步概念，為後續的自然語言處理任務打下基礎。 第二部分：可視化探索——用眼睛“看見”數據 統計指標能告訴我們數據的“是什麼”，而可視化則能幫助我們“看清楚”數據，發現那些隱藏在數字背後的模式、趨勢和關係。本部分將是本書的核心，引導讀者掌握各種強大的可視化技術，從而直觀地理解數據。 第三章：單變量可視化——認識個體 直方圖與頻率多邊形： 深入理解直方圖如何展示單個數值變量的分布形狀，識彆峰值、偏度、峰度等特徵。我們將指導讀者如何調整直方圖的“箱數”，以獲得最佳的可視化效果。 箱綫圖（Box Plot）： 學習如何利用箱綫圖來展示數據的中位數、四分位數、最大/最小值以及識彆潛在的異常值。箱綫圖尤其適用於比較不同組彆的數據分布。 密度圖（Kernel Density Estimate, KDE）： 探索密度圖如何提供比直方圖更平滑的分布麯綫，更清晰地展現數據的連續分布形態。 條形圖（Bar Chart）： 用於展示類彆數據的頻率或比例。我們將區分普通條形圖、堆疊條形圖和百分比堆疊條形圖，以及它們各自的適用場景。 餅圖與派圖（Pie Chart）： 討論餅圖的優缺點，以及何時適閤使用它來錶示部分與整體的關係，同時警示其在展示過多類彆時的局限性。 數值變量的纍積分布函數（CDF）圖： 理解CDF圖如何展示數據達到某個值的概率，以及它在理解數據纍積效應方麵的作用。 第四章：雙變量與多變量可視化——揭示關係 散點圖（Scatter Plot）： 最基礎但也是最強大的雙變量關係可視化工具。我們將深入講解如何通過散點圖觀察變量間的相關性（正相關、負相關、無相關）、綫性關係、非綫性關係以及聚類現象。 帶迴歸綫的散點圖： 在散點圖上疊加迴歸綫，直觀展示變量間的綫性趨勢，幫助我們評估模型的擬閤程度。 綫圖（Line Chart）： 主要用於展示時間序列數據或有序數據隨另一個變量（通常是時間）的變化趨勢。我們將討論如何識彆趨勢、周期性和季節性。 分組散點圖與多圖（Scatter Plot Matrix）： 當需要比較多個變量之間的兩兩關係時，散點圖矩陣是理想的選擇。它能在一張圖中展示所有變量對之間的散點圖，快速瀏覽數據間的相互作用。 熱力圖（Heatmap）： 用於可視化矩陣型數據，通過顔色深淺來錶示數值大小。在相關性分析、基因組學、用戶行為分析等領域應用廣泛。 氣泡圖（Bubble Chart）： 在散點圖的基礎上，用氣泡的大小來錶示第三個變量，從而實現三維信息的可視化。 堆疊區域圖（Stacked Area Chart）： 用於展示隨時間變化的組成部分的總量及其各部分的貢獻。 平行坐標圖（Parallel Coordinates Plot）： 適閤展示高維數據集，通過平行的縱軸錶示各個維度，數據點則由連接各維度數值的綫錶示，便於觀察高維數據中的模式和異常。 第五章：高級可視化技術與交互式探索 地理空間數據可視化入門： 介紹地圖的基本概念，以及如何將數據與地理位置信息關聯起來進行可視化。我們將討論點狀圖、區域填充圖（Choropleth Map）等基本地圖類型，展示地理空間數據的空間分布特徵。 交互式可視化： 講解如何利用交互式圖錶（如縮放、平移、工具提示、篩選、高亮）來更深入地探索數據。交互性允許用戶主動探索，發現隱藏的細節。 數據故事敘述與可視化： 不僅僅是繪製圖錶，更重要的是如何通過圖錶串聯起一個有邏輯、有洞察力的數據故事。我們將討論如何選擇閤適的圖錶來支撐你的論點，以及如何組織可視化元素來引導觀眾的理解。 儀錶盤（Dashboard）設計理念： 簡要介紹儀錶盤的設計原則，如何在一個統一的界麵中展示多個相關的圖錶，以便用戶全麵監控和分析關鍵指標。 第三部分：深入洞察——模式、關係與異常 在本部分，我們將超越基礎的可視化，學習更深入的統計方法和技術，以發現數據中隱藏的模式、量化變量間的關係，並識彆更微妙的異常。 第六章：相關性分析——量化關係強度 皮爾遜相關係數： 深入理解皮爾遜相關係數的計算方法、取值範圍及其解釋。我們將討論如何評估綫性關係的強度和方嚮。 斯皮爾曼秩相關係數： 學習如何計算斯皮爾曼相關係數，以及它在處理非綫性關係或有序類彆數據時的優勢。 相關性矩陣與熱力圖： 將相關性係數可視化為相關性矩陣，並通過熱力圖直觀展示變量間的相關性強度和模式。 因果關係與相關關係的區分： 強調相關性不等於因果關係，並提供一些案例說明如何避免過度解讀相關性。 第七章：數據分組與聚類——發現群體特徵 分組統計： 學習如何根據一個或多個分類變量對數據進行分組，並計算每組的統計量（均值、總和、計數等），從而比較不同群體的特徵。 聚類分析基礎： 引入聚類分析的概念，將其視為一種無監督學習方法，用於發現數據中隱藏的自然群體。 K-Means聚類算法： 詳細介紹K-Means算法的原理、步驟和參數設置。我們將通過實例演示如何應用K-Means來發現數據集中的簇，並討論如何評估聚類結果的質量（如輪廓係數）。 層次聚類分析： 介紹層次聚類（聚閤型和分裂型）的概念，以及樹狀圖（Dendrogram）如何直觀展示數據點的層次關係。 簇內與簇間方差： 理解簇內和簇間方差在評估聚類效果中的作用。 第八章：時間序列分析入門——洞察時間維度 時間序列數據的特性： 瞭解時間序列數據的構成（趨勢、季節性、周期性、隨機性）及其特有的依賴性。 時間序列的平穩性： 解釋平穩性在時間序列分析中的重要性，並介紹檢驗平穩性的方法（如ADF檢驗）。 自相關與偏自相關函數（ACF與PACF）： 學習如何繪製ACF和PACF圖來識彆時間序列的模式，例如滯後關係和季節性成分。 移動平均（Moving Average）與指數平滑（Exponential Smoothing）： 介紹這些基礎的時間序列平滑技術，用於去除噪音和識彆短期趨勢。 時間序列分解： 將時間序列分解為趨勢、季節性和殘差成分，以便更好地理解其內在結構。 第四部分：從探索到應用——總結與展望 本部分將對前麵所學的內容進行總結，並探討如何將探索性數據分析的結果轉化為實際行動，以及EDA在更廣泛的數據科學流程中的位置。 第九章：EDA報告與溝通——分享你的發現 EDA報告的結構： 教授如何撰寫一份清晰、有說服力的EDA報告，包括數據概況、數據質量問題及處理、關鍵可視化結果、發現的洞察以及潛在的下一步行動建議。 有效溝通數據洞察： 強調如何用非技術語言嚮不同背景的聽眾解釋復雜的數據發現，使你的分析成果易於理解和接受。 故事驅動的可視化： 迴顧如何通過一係列精心設計的圖錶來講述一個引人入勝的數據故事，從而清晰地傳達核心信息。 第十章：EDA在數據科學工作流中的定位 EDA與數據預處理的關係： 強調EDA不僅是預處理的輔助，更是指導預處理方嚮的關鍵。 EDA與建模的關係： 說明EDA的發現如何幫助我們選擇閤適的模型、構建特徵、理解模型結果，以及診斷模型問題。 EDA與數據産品開發： 探討EDA如何為産品設計、功能優化、用戶行為分析提供重要依據。 持續的探索： 強調數據分析是一個迭代的過程，EDA並非一次性任務，而應貫穿整個數據生命周期。 結論 《探索性數據分析：洞察數據背後的故事》不僅僅是教授你一套方法論，更是為你打開一扇通往數據世界的大門。通過係統學習本書提供的概念、技術和可視化工具，你將能夠自信地麵對任何數據集，挖掘其中蘊含的寶貴信息。無論你是學生、研究人員、業務分析師還是數據科學傢，掌握探索性數據分析的能力，都將極大地提升你解決問題、做齣決策的效率和質量。數據不再是冰冷的數字，而是充滿故事的敘述者，而你，將成為那個最懂傾聽和解讀故事的人。

評分☆☆☆☆☆

這本書真是太棒瞭！作為一名 GIS 新手，我之前接觸過一些 GIS 軟件，但總感覺概念模糊，操作生疏，離真正能獨立完成項目還有很大距離。這次有幸讀到《ArcGIS10地理信息係統實習教程/地理信息科學係列》，簡直像打開瞭一扇新世界的大門。教程的編排邏輯非常清晰，從最基礎的軟件安裝、界麵介紹開始，一步步深入到數據采集、編輯、空間分析、地圖製作等核心環節。每一個知識點都配有詳細的操作步驟和圖示，即使是第一次接觸 ArcGIS 的讀者，也能輕鬆跟上。書中舉的案例也非常貼閤實際應用，例如在城市規劃、環境監測、資源管理等領域，讓我對 GIS 的實際價值有瞭更直觀的認識。我特彆喜歡教程中關於數據處理和質量控製的部分，這對於保證 GIS 項目的準確性和可靠性至關重要。書中提到的各種空間分析工具，如緩衝區分析、疊加分析、網絡分析等，也讓我對如何從地理數據中提取有價值的信息有瞭更深的理解。而且，教程中不僅講解瞭操作，還融入瞭許多地理信息科學的理論知識，讓我不僅“會用”，更能“理解背後的原理”。總而言之，這本書為我打下瞭堅實的 GIS 基礎，讓我對未來的 GIS 學習充滿瞭信心。

評分☆☆☆☆☆

作為一名擁有多年 GIS 從業經驗的工程師，我一直在尋找一本能夠幫助我拓展視野、深化理解的參考書。《ArcGIS10地理信息係統實習教程/地理信息科學係列》的確給瞭我不少驚喜。這本書在基礎操作的講解上固然紮實，但其更吸引我的是對 GIS 理論和方法論的深入探討。教程中對於空間數據模型、坐標係統、投影變換等關鍵概念的解釋，以及對各種空間分析算法原理的闡述，都非常到位，這對於我這種需要不斷更新知識體係的從業者來說，是寶貴的財富。尤其是在高級分析技術方麵，教程中對一些復雜空間分析的應用場景和實現思路的介紹，讓我受益匪淺。例如，關於時空數據分析的討論，以及如何利用 GIS 進行更精細化的模型構建，這些都是我在日常工作中經常會遇到的挑戰。這本書不僅提供瞭操作指南，更重要的是，它教會瞭我“為什麼”要這麼做，以及“如何”做得更好。它幫助我從宏觀層麵梳理瞭 GIS 的發展脈絡和應用前沿，讓我對 GIS 的未來發展趨勢有瞭更清晰的認識。對於想要在 GIS 領域深耕的專業人士而言，這本書絕對是一本值得反復研讀的案頭必備。

評分☆☆☆☆☆

我是一名熱愛旅行的業餘愛好者，一直以來都對地圖和地理信息有著濃厚的興趣，但缺乏係統性的學習。《ArcGIS10地理信息係統實習教程/地理信息科學係列》這本書，恰好滿足瞭我對 GIS 的好奇心，讓我能夠以一種更加專業和有趣的方式來探索世界。教程中很多關於地圖製作和地理數據可視化的章節，讓我能夠將旅行中的點滴記錄，用更直觀、更具故事性的方式呈現齣來。例如，我可以用它來繪製自己徒步路綫的詳細地圖，標記沿途的景點、地質構造、甚至是我發現的特色植物。教程中講解的各種符號、注記、專題地圖的製作技巧，都讓我能夠創作齣精美的、充滿個性的地圖作品。而且，書中所提及的地理信息科學的一些概念，如地理現象的空間分布規律、地理環境的演化過程等，也讓我在旅行中對所見的風景有瞭更深的理解。我不再僅僅是走馬觀花，而是開始思考這些地方的地理成因，以及它們與人類活動的關聯。這本書讓我的旅行變得更加充實和有意義，我可以用 GIS 來記錄和分享我的每一次探索。

評分☆☆☆☆☆

坦白說，我一開始對這本《ArcGIS10地理信息係統實習教程/地理信息科學係列》並沒有太高的期待，覺得 GIS 教程都大同小異，無非是教你點點鼠標、填填參數。但當我真正開始閱讀這本書的時候，我發現它真的與眾不同。它不像很多教程那樣隻是乾巴巴地羅列操作步驟，而是花瞭大量的篇幅去講解背後的地理學原理和GIS的科學內涵。這本書就像一位循循善誘的老師，不僅告訴你“怎麼做”，更重要的是告訴你“為什麼這麼做”，並且解釋瞭這麼做的科學依據是什麼。這種理論與實踐相結閤的方式，讓我對 GIS 的理解得到瞭質的飛躍。我以前隻知道怎麼做緩衝區分析，但通過這本書，我纔真正理解瞭緩衝區分析的數學模型和其在不同場景下的適用性。而且，教程中對一些前沿的 GIS 技術，如遙感影像處理、三維 GIS 等也有所提及，雖然篇幅不多，但足以勾起我對這些更高級領域的興趣。這本書的深度和廣度都超齣瞭我的預期，它讓我看到瞭 GIS 作為一個獨立科學學科的魅力，也讓我對未來在這個領域的深入學習充滿瞭期待。

評分☆☆☆☆☆

說實話，我之前對 GIS 的印象僅僅停留在“畫地圖”的層麵，覺得它離我的專業領域——社會學——有點遠。但朋友推薦瞭《ArcGIS10地理信息係統實習教程/地理信息科學係列》後，我抱著試試看的心態翻閱瞭一下，沒想到被深深吸引瞭。教程的案例分析部分，尤其是關於社會經濟數據可視化和空間統計的內容，讓我眼前一亮。書中通過具體的案例，展示瞭如何利用 ArcGIS 對人口分布、犯罪率、交通網絡等社會現象進行空間層麵的研究，這對於理解和分析復雜的社會問題非常有啓發。我開始意識到，GIS 絕不僅僅是技術工具，它更是一種強大的研究方法論。教程中對於數據關聯分析和空間指標計算的講解，讓我看到瞭將 GIS 應用於社會科學研究的巨大潛力。例如，通過緩衝區分析來研究特定區域的社會服務可達性，或者通過空間自相關分析來探索社會經濟因素的空間集聚規律。這本書讓我意識到，GIS 能夠幫助我們以一種全新的、更具空間視角的方式來理解和解釋人類社會。我迫不及待地想嘗試將教程中學到的方法應用到我自己的研究課題中，相信它能為我的研究帶來更多深度和廣度。

評分☆☆☆☆☆

GIS正在研究這一塊，學習中

評分☆☆☆☆☆

書破瞭，分揀的時候就沒看嗎？這在書店能賣得齣去？

評分☆☆☆☆☆

書破瞭，分揀的時候就沒看嗎？這在書店能賣得齣去？

評分☆☆☆☆☆

書破瞭，分揀的時候就沒看嗎？這在書店能賣得齣去？

評分☆☆☆☆☆

GIS正在研究這一塊，學習中

評分☆☆☆☆☆

GIS正在研究這一塊，學習中

評分☆☆☆☆☆

書破瞭，分揀的時候就沒看嗎？這在書店能賣得齣去？

評分☆☆☆☆☆

GIS正在研究這一塊，學習中

評分☆☆☆☆☆

GIS正在研究這一塊，學習中