برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب A Practical Guide to Geostatistical Mapping of Environmental Variables

دانلود کتاب راهنمای عملی نقشه برداری زمین آماری متغیرهای محیطی

مشخصات کتاب

A Practical Guide to Geostatistical Mapping of Environmental Variables

دسته بندی: بوم شناسی
ویرایش:  
نویسندگان: Hengl. Tomislav  
سری:  
ISBN (شابک) : 9789279069048 
ناشر:  
سال نشر:  
تعداد صفحات: 165 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت

قیمت کتاب (تومان) : 56,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب A Practical Guide to Geostatistical Mapping of Environmental Variables به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب راهنمای عملی نقشه برداری زمین آماری متغیرهای محیطی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب راهنمای عملی نقشه برداری زمین آماری متغیرهای محیطی

نقشه برداری زمین آماری را می توان به عنوان تولید تحلیلی نقشه ها با استفاده از مشاهدات میدانی، اطلاعات کمکی و یک برنامه کامپیوتری که مقادیر را در مکان های مورد نظر محاسبه می کند، تعریف کرد. امروزه، به طور فزاینده ای قلب یک پروژه نقشه برداری، در واقع، برنامه کامپیوتری است که برخی از الگوریتم های آماری (جغرافیایی) را در یک مجموعه داده نقطه ای معین پیاده سازی می کند. هدف این راهنما کمک به شما در تهیه نقشه های با کیفیت با استفاده از ابزارهای کاملاً عملیاتی، بدون نیاز به سرمایه گذاری جدی اضافی است. ابتدا شما را با اصول اولیه نقشه برداری زمین آماری و رگرسیون کریجینگ به عنوان تکنیک کلیدی پیش بینی آشنا می کند، سپس شما را از طریق چهار بسته نرم افزاری ILWIS GIS، R+gstat، SAGA GIS و Google Earth راهنمایی می کند. برای تهیه داده ها، اجرای تجزیه و تحلیل و ایجاد طرح بندی نهایی استفاده می شود. این مطالب برای دوره آموزشی پنج روزه پیشرفته "تلفیق زمین آمار: ادغام GIS و آمار فضایی" که به طور منظم توسط نویسنده و همکاران برگزار می شود، استفاده شده است. برای دریافت یک کپی از مجموعه داده های مورد استفاده در این تمرین از وب سایت دوره دیدن کنید. [رزومه نویسندگی].

توضیحاتی درمورد کتاب به خارجی

Geostatistical mapping can be defined as analytical production of maps by using field observations, auxiliary information and a computer program that calculates values at locations of interest. Today, increasingly the heart of a mapping project is, in fact, the computer program that implements some (geo)statistical algorithm to a given point data set. Purpose of this guide is to assist you in producing quality maps by using fully-operational tools, without a need for serious additional investments. It will first introduce you the to the basic principles of geostatistical mapping and regression-kriging, as the key prediction technique, then it will guide you through four software packages: ILWIS GIS, R+gstat, SAGA GIS and Google Earth, which will be used to prepare the data, run analysis and make final layouts. These materials have been used for the five-days advanced training course "Hands-on-geostatistics: merging GIS and spatial statistics", that is regularly organized by the author and collaborators. Visit the course website to obtain a copy of the datasets used in this exercise. [Résumé de l'auteur].

فهرست مطالب

1.1 Basic concepts......Page 20
1.1.1 Environmental variables......Page 21
1.1.2 Aspects of spatial variability......Page 22
1.1.3 Spatial prediction models......Page 27
1.2.1 Inverse distance interpolation......Page 30
1.2.2 Regression on coordinates......Page 31
1.3 Statistical spatial prediction models......Page 32
1.3.1 Kriging......Page 33
1.3.2 Environmental correlation......Page 39
1.3.3 Predicting from polygon maps......Page 42
1.3.4 Mixed or hybrid models......Page 43
2.1 The Best Linear Unbiased Predictor of spatial data......Page 46
2.1.1 Selecting the right spatial prediction technique......Page 49
2.1.2 Universal kriging, kriging with external drift......Page 51
2.1.3 A simple example of regression-kriging......Page 54
2.2 Local versus localized models......Page 55
2.3 Spatial prediction of categorical variables......Page 57
2.5 Spatio-temporal regression-kriging......Page 60
2.6 Sampling strategies and optimisation algorithms......Page 62
2.7.1 Soil mapping applications......Page 64
2.7.2 Interpolation of climatic and meteorological data......Page 65
2.7.3 Mapping plant and animal species......Page 66
2.8.1 Alternatives to RK......Page 67
2.8.2 Limitations of RK......Page 68
2.8.3 Beyond RK......Page 69
3.1.1 ILWIS......Page 72
3.1.3 R......Page 74
3.1.5 Google Earth......Page 76
3.2 Geostatistics in ILWIS......Page 77
3.2.1 Visualization of uncertainty using whitening......Page 79
3.3 Geostatistics in SAGA GIS......Page 81
3.4 Geostatistics with gstat......Page 83
3.4.1 The stand-alone version of gstat......Page 84
3.4.2 Geostatistics in R......Page 86
3.5 Visualisation of maps in Google Earth......Page 87
3.5.1 Exporting vector maps to KML......Page 88
3.5.2 Exporting raster maps (images) to KML......Page 90
3.6.1 Isatis......Page 93
3.6.2 GRASS GIS......Page 94
3.6.3 Idrisi......Page 95
3.7.1 Strengths and limitations of geostatistical software......Page 97
3.7.2 Getting addicted to R......Page 99
3.7.4 Towards a system for automated mapping......Page 100
4.1 Case study: Ebergötzen......Page 106
4.2.1 The target variables......Page 108
4.2.2 Auxiliary maps --- predictors......Page 114
4.2.3 Assessment of the point geometry and sampling quality......Page 115
4.2.4 Pre-processing of the predictors......Page 122
4.3.1 Multiple linear regression......Page 124
4.3.2 Step-wise selection of predictors......Page 126
4.3.3 Multinomial logistic regression......Page 128
4.4.1 Interpretation of the variograms......Page 132
4.4.2 Variograms of residuals......Page 133
4.5 Predictions and simulations......Page 134
4.6 Assessing the quality of predictions......Page 137
4.7.1 Importance of the cell size......Page 142
4.7.2 Importance of the sampling intensity......Page 143
4.8.1 Export to ILWIS......Page 144
4.8.2 Export to KML......Page 147
4.8.3 Alternative ways to geovisualization......Page 150