基于Python的森林資源調(diào)查數(shù)據(jù)分析實踐

目錄
第1章 森林資源調(diào)查方式及數(shù)據(jù)形式 1
1.1 國家森林資源連續(xù)清查 1
1.1.1 調(diào)查方法 2
1.1.2 樣地調(diào)查因子及樣木信息 3
1.1.3 樣地數(shù)據(jù)形式 4
1.2 森林資源規(guī)劃設(shè)計調(diào)查 5
1.2.1 小班邊界區(qū)劃 6
1.2.2 小班因子調(diào)查 6
1.2.3 小班數(shù)據(jù)存儲形式 7
1.3 地理空間數(shù)據(jù) 7
1.3.1 空間坐標系統(tǒng) 7
1.3.2 柵格數(shù)據(jù) 8
1.3.3 矢量數(shù)據(jù) 8
第2章 Python基礎(chǔ)及相關(guān)分析工具 10
2.1 Python開發(fā)環(huán)境配置 10
2.1.1 Anaconda安裝 10
2.1.2 開發(fā)環(huán)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(chǔ)知識 14
2.3.1 Python基本語法 14
2.3.2 Python數(shù)據(jù)類型 15
2.3.3 Python數(shù)據(jù)運算 17
2.3.4 Python流程控制語句 19
2.3.5 Python函數(shù)設(shè)計 20
2.3.6 Python包的導入和使用 21
2.4 Pandas數(shù)據(jù)處理和分析的主要函數(shù) 21
2.4.1 屬性字段計算方法 21
2.4.2 groupby統(tǒng)計分析 22
第3章 數(shù)據(jù)清洗方法及可視化 29
3.1 數(shù)據(jù)清洗的主要過程 29
3.2 數(shù)據(jù)讀取及輸出 29
3.2.1 數(shù)據(jù)讀取 30
3.2.2 數(shù)據(jù)輸出 31
3.3 數(shù)據(jù)初步探索性分析 32
3.4 臟數(shù)據(jù)判斷 35
3.4.1 缺失值判斷 35
3.4.2 重復值檢測 37
3.4.3 異常值檢測 38
3.5 臟數(shù)據(jù)處理 39
3.5.1 數(shù)據(jù)規(guī)整化 39
3.5.2 缺失值處理 42
3.5.3 重復值處理 44
3.5.4 異常值處理 45
3.6 數(shù)據(jù)可視化方法 46
3.6.1 柱狀圖表示單變量的變化 46
3.6.2 直方圖描述單變量的分布 47
3.6.3 箱線圖描述變量的分布 48
3.6.4 散點圖描述兩個變量之間的關(guān)系 48
3.6.5 熱力圖描述兩個變量之間的相關(guān)性 49
第4章 森林資源樣地調(diào)查數(shù)據(jù)的處理和分析 50
4.1 樣地屬性特征計算 50
4.1.1 平均樹高、胸徑統(tǒng)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(shù) 59
4.2 林分結(jié)構(gòu)特征分析 61
4.2.1 林分非空間結(jié)構(gòu)特征 61
4.2.2 林分空間結(jié)構(gòu)特征 68
4.3 基于一類清查數(shù)據(jù)的總體森林資源統(tǒng)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(guī)劃設(shè)計調(diào)查數(shù)據(jù)處理 80
5.1 林地面積統(tǒng)計表制作 80
5.2 林地蓄積量統(tǒng)計表制作 82
5.3 林種統(tǒng)計表 84
5.4 喬木林面積、蓄積量按齡組統(tǒng)計表 89
5.5 生態(tài)公益林（地）統(tǒng)計表 90
第6章 地理空間數(shù)據(jù)的處理 92
6.1 高程數(shù)據(jù)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(shù)據(jù)處理所需要的包 98
6.2.2 遙感指數(shù)計算 100
6.2.3 紋理指標計算 102
6.2.4 計算結(jié)果的輸入保存 110
6.3 矢量數(shù)據(jù)處理 112
6.3.1 矢量數(shù)據(jù)讀取 112
6.3.2 數(shù)據(jù)重投影 113
6.3.3 幾何形狀處理 114
6.3.4 緩沖區(qū)分析 115
6.3.5 疊加分析 116
6.4 根據(jù)空間位置提取相應(yīng)參數(shù) 119
6.4.1 矢量裁剪 119
6.4.2 根據(jù)空間位置提取遙感參數(shù) 122
第7章 多源森林資源數(shù)據(jù)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