《基於Python的森林資源調查數據分析實踐》是2021年科學出版社出版的圖書，作者是佃袁勇。
基本介紹
- 中文名：基於Python的森林資源調查數據分析實踐
- 作者：佃袁勇
- 類別：生物科學
- 出版社：科學出版社
- 出版時間：2021年
- 開本：16 開
- 裝幀：平裝-膠訂
- ISBN：9787030684882
內容簡介,圖書目錄,
內容簡介
森林資源調查數據涉及森林樣地、林班、遙感影像等多種來源不同尺度的數據類型，其數據處理和分析是森林資源、生態環境監測的重要環節。Python是當前熱門流行的數據編程處理語言。本書結合作者多年的教學和科研體會，針對林業、生態工作者對森林資源數據處理需求，突出以實踐套用為主線，構建從森林資源數據清洗及可視化、森林樣地空間結構及屬性、林班數據統計分析、多源森林資源數據融合分析的全過程數據處理技術和方法，並利用Python語言實現所有的編碼工作，力求深入淺出地為讀者提供森林資源數據分析的思路、方法和套用途徑。
圖書目錄
目錄
第1章 森林資源調查方式及數據形式 1
1.1 國家森林資源連續清查 1
1.1.1 調查方法 2
1.1.2 樣地調查因子及樣木信息 3
1.1.3 樣地數據形式 4
1.2 森林資源規劃設計調查 5
1.2.1 小班邊界區劃 6
1.2.2 小班因子調查 6
1.2.3 小班數據存儲形式 7
1.3 地理空間數據 7
1.3.1 空間坐標系統 7
1.3.2 柵格數據 8
1.3.3 矢量數據 8
第2章 Python基礎及相關分析工具 10
2.1 Python開發環境配置 10
2.1.1 Anaconda安裝 10
2.1.2 開發環境推薦 10
2.2 常用的庫 13
2.2.1 NumPy和SciPy 13
2.2.2 Pandas 13
2.2.3 GDAL 13
2.2.4 Geopandas 13
2.2.5 Scikit-learn 14
2.2.6 Matplotlib 14
2.2.7 Seaborn 14
2.3 Python的編程基礎知識 14
2.3.1 Python基本語法 14
2.3.2 Python數據類型 15
2.3.3 Python數據運算 17
2.3.4 Python流程控制語句 19
2.3.5 Python函式設計 20
2.3.6 Python包的導入和使用 21
2.4 Pandas數據處理和分析的主要函式 21
2.4.1 屬性欄位計算方法 21
2.4.2 groupby統計分析 22
第3章 數據清洗方法及可視化 29
3.1 數據清洗的主要過程 29
3.2 數據讀取及輸出 29
3.2.1 數據讀取 30
3.2.2 數據輸出 31
3.3 數據初步探索性分析 32
3.4 髒數據判斷 35
3.4.1 缺失值判斷 35
3.4.2 重複值檢測 37
3.4.3 異常值檢測 38
3.5 髒數據處理 39
3.5.1 數據規整化 39
3.5.2 缺失值處理 42
3.5.3 重複值處理 44
3.5.4 異常值處理 45
3.6 數據可視化方法 46
3.6.1 柱狀圖表示單變數的變化 46
3.6.2 直方圖描述單變數的分布 47
3.6.3 箱線圖描述變數的分布 48
3.6.4 散點圖描述兩個變數之間的關係 48
3.6.5 熱力圖描述兩個變數之間的相關性 49
第4章 森林資源樣地調查數據的處理和分析 50
4.1 樣地屬性特徵計算 50
4.1.1 平均樹高、胸徑統計 50
4.1.2 林分蓄積量計算 52
4.1.3 森林生物量計算 53
4.1.4 生物多樣性指數 59
4.2 林分結構特徵分析 61
4.2.1 林分非空間結構特徵 61
4.2.2 林分空間結構特徵 68
4.3 基於一類清查數據的總體森林資源統計 76
4.3.1 面積估算 77
4.3.2 蓄積量估算 78
第5章 森林規劃設計調查數據處理 80
5.1 林地面積統計表製作 80
5.2 林地蓄積量統計表製作 82
5.3 林種統計表 84
5.4 喬木林面積、蓄積量按齡組統計表 89
5.5 生態公益林（地）統計表 90
第6章 地理空間數據的處理 92
6.1 高程數據處理 92
6.1.1 坡度 92
6.1.2 坡向 95
6.2 遙感影像處理 98
6.2.1 遙感數據處理所需要的包 98
6.2.2 遙感指數計算 100
6.2.3 紋理指標計算 102
6.2.4 計算結果的輸入保存 110
6.3 矢量數據處理 112
6.3.1 矢量數據讀取 112
6.3.2 數據重投影 113
6.3.3 幾何形狀處理 114
6.3.4 緩衝區分析 115
6.3.5 疊加分析 116
6.4 根據空間位置提取相應參數 119
6.4.1 矢量裁剪 119
6.4.2 根據空間位置提取遙感參數 122
第7章 多源森林資源數據建模分析 127
7.1 聚類模型 127
7.1.1 k均值聚類 127
7.1.2 Mean Shift聚類 131
7.1.3 DBSCAN 133
7.2 回歸模型 136
7.2.1 線性回歸 137
7.2.2 非線性回歸 139
7.2.3 支持向量機回歸 143
7.2.4 隨機森林回歸 146
7.3 分類模型 148
7.3.1 k近鄰算法分類 152
7.3.2 決策樹分類 153
7.3.3 支持向量機分類 155
7.3.4 隨機森林分類 156
7.4 圖像分類精度評價 158
7.4.1 混淆矩陣 158
7.4.2 評價指標 159
參考文獻 163
