ArcGIS Desktop 地理信息係統應用教程 下載 mobi epub pdf 電子書 在線閱讀 2026

內容簡介

　　選用現在市場普及率最高的ArcGIS10.0軟件為對象，依據地理信息係統原理，采用動手練習操作的編排方式，逐一講解地理信息係統的各項基本技術和功能。各項操作練習配閤具體的應用數據，每項練習操作完成都産生中間結果或最終成果。學員通過動手練習和操作的結果理解各項地理空間數據組織和處理的基本原理和功能方法。完成《ArcGIS Desktop 地理信息係統應用教程》的全部練習將可以初步掌握地理信息係統基本方法與功能的應用能力。適閤開設有地理信息係統課程的非地理信息係統本科類專業學生和需要使用GIS軟件處理地理空間數據的相關行業操作人員及自學者。

作者簡介

　　石若明，江蘇南京人，博士。現為北京建築大學測繪與城市空間信息學院教授，教育部代錶性古建築數據庫工程中心數字虛擬古建築研究所所長。長期從事地理信息係統與遙感應用教學與研究工作，近十年來主要講授課程有：GIS軟件設計與實現(本科)、麵嚮對象程序設計(本科)、城市管理應用地理信息係統(本科)、地理信息係統原理(本科)、GIS軟件應用(本科)、測繪學概論(本科)、數據結構(本科)、WebGIS概論(本科)、專業英語(本科、研究生)、土地資源評價與規劃（研究生）等。目前的研究方嚮涉及城市曆史空間數據采集與管理技術、三維空間信息可視化、建築信息模型與地理信息模型的匹配、曆史地理信息應用數據庫與平颱建設、舊城與曆史街區保護的3S技術應用、土地利用管理與城鄉規劃地理信息係統等。發錶相關論文30餘篇，撰寫專著、教材2部；獲省部級教學成果二等奬1項、省部級科技進步奬1項。

內頁插圖

目錄

第一章　認識GIS
1．1　什麼是GIS
1．2　GIS圖層
第二章　桌麵ARCGIS簡介
2．1　GIS操作
2．2　桌麵GIS
第三章　ArcMap基本應用
3．1　ArcMap 的數據組織
3．2　顯示圖形數據
3．3　漫遊地圖
3．4　查看要素屬性
第四章　第四章 ArcCatalog 基本應用
4．1　瀏覽地圖數據
4．2　搜索地圖數據
4．3添加數據到ArcMap
第五章　要素和柵格的符號編輯
5．1　變換符號
5．2　用類屬性編輯要素的符號
5．3　使用圖式和創建層文件
5．4　編輯柵格的符號
第六章　要素和柵格的分類
6．1　使用標準方法進行要素分類
6．2　使用手工進行要素分類
6．3　繪製密度圖
6．4　使用等級和圖錶符號
第七章　要素的標注
7．1　使用動態標注
7．2　設定放置標簽的規則
7．3　使用互動標簽和産生注記
第八章　數據檢索
8．1　要素的識彆，選擇，查找及超鏈接
8．2　使用屬性選擇要素
8．3　産生報錶
第九章　錶加入和關聯錶
9．1　錶加入
9．2　關聯錶
第十章　通過位置選擇要素
10．1　使用位置查詢
10．2　屬性與位置聯閤檢索
第十一章　為分析準備數據
11．1　閤並要素
11．2　創建圖形
11．3　切割圖層
11．4　輸齣數據
第十二章　分析空間數據
12．1　緩衝區分析
12．2　疊加數據
12．3　計算屬性值
第十三章　ArcMap 數據投影
13．1　顯示用投影數據
13．2　定義投影
第十四章　建立geodatabases
14．1　建立個人geodatabases
14．2　建立要素類
14．3　增加字段和域
第十五章　創建要素
15．1　繪製要素
15．2　使用要素構件工具
第十六章　編輯要素和屬性
16．1　刪除和修改要素
16．2　分割與閤並要素
16．3　編輯要素屬性值
第十七章　地址編碼
17．1　建立地址編碼服務
17．2　地址匹配
17．3　地址再匹配
第十八章　快速製圖
18．1　打開地圖模闆
18．2　在地圖上添加 x，y 數據
18．3　在地圖上畫圖形
第十九章　製做展示圖
19．1　布局頁麵
19．2　加注標題
19．3　添加指北針，比例尺和圖例
19．4　最終清圖和建立打印選項
第二十章　空間分析建模
20．1空間分析模型與建模
20．2使用模型構建器
第二十一章　構建TIN來呈現Terrain
20．1　基於點數據創建TIN
20．2　嚮TIN中添加要素
20．3　創建Terrain的剖麵
第二十二章　ArcGlobe 基本應用
21．1打開ArcGlobe並添加圖層
21．2在ArcGlobe中進行導航
第二十三章　創建和使用 Terrain 數據集
22．1初步認識Terrain
22．2在ArcMap中使用Terrain
22．3在ArcGlobe使用Terrain
第二十四章　創建逼真的 3D 視圖
23．1　數據準備
23．2在地圖上添加　x，y 數據
23．3在地圖上添加文本和注記

前言/序言

《數據科學實踐指南：從入門到精通》 內容簡介 本書是一本麵嚮初學者和希望係統提升數據處理與分析能力的讀者的實用指南。它旨在係統性地介紹數據科學的完整流程，從數據獲取、清洗、探索性分析（EDA），到模型構建、評估與部署，提供一套完整的、可操作性的技術棧和思維框架。 本書摒棄瞭晦澀的理論堆砌，專注於通過大量真實世界的案例和代碼實例，讓讀者能夠快速上手，並將所學知識應用於實際業務場景。全書結構清晰，循序漸進，確保讀者在掌握基礎知識的同時，能夠建立起嚴謹的數據分析思維。 第一部分：數據科學基石與環境搭建 本部分將為讀者打下堅實的數據科學基礎。首先，我們會深入探討數據科學在現代商業、科研及工程領域中的核心地位與應用邊界。接著，重點介紹當前主流的數據科學編程語言——Python。我們將詳細講解Python的基礎語法、核心數據結構（列錶、字典、元組、集閤）以及麵嚮對象編程（OOP）的基礎概念，為後續的庫操作做好鋪墊。 環境搭建部分是實操的關鍵。我們將指導讀者如何配置高性能的開發環境，包括安裝Anaconda發行版，熟練使用Jupyter Notebook和JupyterLab進行交互式編程和文檔編寫。同時，我們將介紹版本控製係統Git的基礎操作，強調代碼協作與項目管理的重要性。 第二部分：數據處理與清洗的藝術 高質量的數據是成功分析的前提。本部分聚焦於數據預處理的核心技術。我們將全麵介紹Python生態中最重要的數據處理庫——Pandas。讀者將學會如何高效地讀取和寫入不同格式的數據（CSV, Excel, SQL數據庫），以及掌握DataFrame和Series的核心操作。 數據清洗環節是本書的重點之一。內容涵蓋缺失值處理（插補策略與識彆）、異常值檢測與平滑處理、數據類型轉換與格式統一。此外，本書還詳細講解瞭數據重塑技術，包括數據透視（Pivot）、堆疊（Stack）與展開（Unpivot），以及如何使用Merge、Join、Concat等方法整閤來自不同源的數據集。我們將通過一個大型金融時間序列數據集的清洗案例，展示如何應對真實世界數據的“髒亂差”。 第三部分：探索性數據分析（EDA）與數據可視化 探索性數據分析是數據科學傢與數據“對話”的過程。本部分將指導讀者如何通過可視化和統計方法來理解數據背後的故事。 可視化工具方麵，我們將重點講解Matplotlib和Seaborn庫。讀者不僅會學習繪製基本的直方圖、箱綫圖、散點圖，還會深入理解如何利用這些圖形揭示數據分布、變量間關係以及趨勢變化。Seaborn的高級統計圖形，如聯閤分布圖（Joint Plot）、成對關係圖（Pair Plot）和熱力圖（Heatmap）的運用，將幫助讀者快速識彆潛在的特徵交互。 統計基礎知識也將穿插講解，包括描述性統計量（均值、中位數、方差）、相關性分析（皮爾遜、斯皮爾曼）以及初步的假設檢驗概念。EDA的最終目標是提齣可供後續建模的有效假設。 第四部分：機器學習核心算法與實踐 本部分是本書的核心，將引導讀者進入機器學習的世界。我們將全麵使用Scikit-learn庫，覆蓋監督學習、無監督學習兩大主流範疇。 在監督學習部分，我們將詳細剖析綫性迴歸、邏輯迴歸，並擴展到更強大的模型，如決策樹、隨機森林和梯度提升機（如XGBoost/LightGBM）。對於分類問題，我們將深入探討評估指標（準確率、精確率、召迴率、F1分數、ROC麯綫）的意義與選擇。 在無監督學習部分，我們將重點介紹聚類算法（K-Means、DBSCAN）及其在市場細分等場景的應用。同時，特徵工程——特徵選擇（Filter/Wrapper/Embedded方法）和特徵構造——將被視為模型性能提升的關鍵步驟，貫穿於整個建模過程中。 第五部分：模型評估、優化與部署 一個成功的模型不僅僅是訓練完成，更重要的是其泛化能力和實際應用價值。本部分聚焦於模型驗證與調優。 我們將詳細講解交叉驗證（Cross-Validation）的原理和不同策略（K摺、留一法）。模型調優環節將覆蓋超參數搜索的係統方法，包括網格搜索（Grid Search）和隨機搜索（Randomized Search），並引入更高效的貝葉斯優化方法簡介。 此外，本書還將探討模型可解釋性（如SHAP值和特徵重要性）的重要性，幫助讀者理解“黑箱”模型的決策邏輯。最後，我們將簡要介紹模型部署的基本概念，包括使用Flask/Streamlit構建簡單的API服務，使數據分析成果能夠轉化為實際的業務工具。 目標讀者 本書適閤希望進入數據科學領域、數據分析師、商業智能（BI）專業人士，以及所有希望掌握現代化數據處理和預測建模技能的工程師和研究人員。無需深厚的數學或編程背景，但對邏輯思維和動手實踐有強烈興趣者將受益最大。本書提供的是一套完整的“數據科學兵工廠”，而非孤立的工具箱。