دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Shammunul Islam
سری:
ISBN (شابک) : 9781788991674
ناشر: Packt Publishing
سال نشر: 2018
تعداد صفحات: 354
[402]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 22 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Hands-On Geospatial Analysis with R and QGIS: A beginner's guide to manipulating, managing, and analyzing spatial data using R and QGIS 3.2.2 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 تجزیه و تحلیل جغرافیایی دستی با R و QGIS: راهنمای مبتدی برای دستکاری، مدیریت و تجزیه و تحلیل داده های مکانی با استفاده از R و QGIS 3.2.2 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.
نمونه های عملی با پروژه های دنیای واقعی در GIS، سنجش از دور، مدیریت داده های مکانی و تجزیه و تحلیل با استفاده از زبان برنامه نویسی R
مدیریت دادههای مکانی همیشه چالش برانگیز بوده و با افزایش اندازه دادهها پیچیدهتر میشود. دادههای مکانی در واقع کلان داده هستند و برای مدلسازی و ایجاد گردشهای کاری مختلف به ابزارها و تکنیکهای مختلفی نیاز دارید. R و QGIS دارای ویژگی های قدرتمندی هستند که می توانند این کار را آسان تر کنند.
این کتاب همراه شما برای استفاده از الگوریتم های یادگیری ماشین در GIS و داده های سنجش از دور است. شما با به دست آوردن درک درستی از ماهیت داده های مکانی و نصب R و QGIS شروع خواهید کرد. سپس، قبل از انجام همین کار در QGIS، یاد خواهید گرفت که چگونه از بسته های R مختلف برای وارد کردن، صادرات و تجسم داده ها استفاده کنید. اسکرین شات ها برای سهولت درک شما گنجانده شده است.
در ادامه، با جنبههای مختلف مدیریت و تجزیه و تحلیل دادههای مکانی، قبل از فرو رفتن در موضوعات پیشرفته، آشنا خواهید شد. با استفاده از ggplot2، ggmap، شطرنجی و سایر بستههای R، تجسمهای قدرتمند دادهای ایجاد خواهید کرد. نحوه استفاده از QGIS 3.2.2 برای تجسم و مدیریت (ایجاد، ویرایش و قالببندی) دادههای مکانی را خواهید آموخت. انواع مختلف تجزیه و تحلیل فضایی نیز با استفاده از R پوشش داده شده است. در نهایت، شما با داده های زمین لغزش از بنگلادش برای ایجاد یک نقشه حساسیت زمین لغزش با استفاده از الگوریتم های مختلف یادگیری ماشین کار خواهید کرد.
با مطالعه این کتاب، در کمترین زمان از یک مبتدی به یک کاربر متوسط GIS و داده های سنجش از دور تبدیل خواهید شد.
این کتاب برای جغرافیدانان عالی است، دانشمندان محیط زیست، آماردانان و هر حرفه ای که با داده های مکانی سر و کار دارد. اگر می خواهید یاد بگیرید که چگونه با داده های GIS و سنجش از دور کار کنید، این کتاب برای شما مناسب است. دانش اولیه R و QGIS مفید خواهد بود اما ضروری نیست.
Practical examples with real-world projects in GIS, Remote sensing, Geospatial data management and Analysis using the R programming language
Managing spatial data has always been challenging and it's getting more complex as the size of data increases. Spatial data is actually big data and you need different tools and techniques to work your way around to model and create different workflows. R and QGIS have powerful features that can make this job easier.
This book is your companion for applying machine learning algorithms on GIS and remote sensing data. You'll start by gaining an understanding of the nature of spatial data and installing R and QGIS. Then, you'll learn how to use different R packages to import, export, and visualize data, before doing the same in QGIS. Screenshots are included to ease your understanding.
Moving on, you'll learn about different aspects of managing and analyzing spatial data, before diving into advanced topics. You'll create powerful data visualizations using ggplot2, ggmap, raster, and other packages of R. You'll learn how to use QGIS 3.2.2 to visualize and manage (create, edit, and format) spatial data. Different types of spatial analysis are also covered using R. Finally, you'll work with landslide data from Bangladesh to create a landslide susceptibility map using different machine learning algorithms.
By reading this book, you'll transition from being a beginner to an intermediate user of GIS and remote sensing data in no time.
This book is great for geographers, environmental scientists, statisticians, and every professional who deals with spatial data. If you want to learn how to handle GIS and remote sensing data, then this book is for you. Basic knowledge of R and QGIS would be helpful but is not necessary.
Title Page Copyright and Credits Hands-On Geospatial Analysis with R and QGIS Packt Upsell Why subscribe? Packt.com Contributors About the author About the reviewers Packt is searching for authors like you Preface Who this book is for What this book covers To get the most out of this book Download the example code files Download the color images Conventions used Get in touch Reviews Setting Up R and QGIS Environments for Geospatial Tasks Installing R Basic data types and data structures in R Basic data types in R Variable Data structures in R Vectors Basic operations with vector Matrix Array Data frames Lists Factor Looping, functions, and apply family in R Looping in R Functions in R Apply family – lapply, sapply, apply, tapply apply lapply sapply tapply Plotting in R Installing QGIS Getting to know the QGIS environment Summary Questions Further reading Fundamentals of GIS Using R and QGIS GIS in R Data types in GIS Vector data Raster data Plotting point data Importing point data from Excel Plotting lines and polygons data in R Adding point data on polygon data Changing projection system Plotting quantitative and qualitative data on a map Using tmap for easier plotting Vector data in QGIS Adding Excel data in QGIS using joins Adding CSV layers in QGIS Showing multiple labels using text chart diagrams Adding a background map Summary Questions Further reading Creating Geospatial Data Getting data from the web Downloading data from Natural Earth Downloading data from DIVA-GIS Downloading data from EarthExplorer Creating vector data Creating point data Creating polygon data Adding features to vector data Digitizing a map Working with databases Creating a SpatiaLite database Adding a shapefile to a database Summary Questions Further reading Working with Geospatial Data Working with vector data in R Combining shapefiles in R Clipping in R Difference in R Area calculation in R Working with vector data in QGIS Combining shapefiles Converting vector data types Polygons into lines Lines into polygons Clipping Difference Buffer Intersection Statistical summary of vector layers Using field calculators for advanced field calculations Summary Remote Sensing Using R and QGIS Basics of remote sensing Basic terminologies Remote sensing image characteristics Atmospheric correction Working with raster data in R Reading raster data Stacking raster data Changing the projection system of a raster file False color composite Slope, aspect, and hillshade Slope Aspect Hillshade Normalized Difference Vegetation Index (NDVI) Classifying the NDVI Working with raster data in QGIS False color composite Raster mosaic Clip raster by mask layer Projection system Changing projection systems Sampling raster data using points Reclassifying rasters Slope, aspect, and hillshade in QGIS Slope Summary Questions Point Pattern Analysis Introduction to point pattern analysis The ppp object Creating a ppp object from a CSV file Marked point patterns Analysis of point patterns Quadrat test G-function K-function L-function Spatial segregation for a bivariate marked point pattern Summary Spatial Analysis Testing autocorrelation Preparing data Moran's I index for autocorrelation Modeling autocorrelation Spatial autoregression Generalized linear model Modeling count data using Poisson GLM Spatial interpolation Nearest-neighbor interpolation Inverse distance weighting Geostatistics Some important concepts Variograms Kriging Checking residuals Summary GRASS, Graphical Modelers, and Web Mapping GRASS GIS Basics of GRASS GIS Database Location Mapset Creating a mapset Importing vector data in GRASS Importing raster data in GRASS False color composite in GRASS Graphical modeler Web mapping Web mapping in QGIS Summary Classification of Remote Sensing Images Classification of raster data Supervised classification Supervised classification in QGIS Creating a validation shapefile Unsupervised classification Summary Landslide Susceptibility Mapping Landslides in Bangladesh Landslide susceptibility modeling Data preprocessing Model building Logistic regression CART Random forest Summary Other Books You May Enjoy Leave a review - let other readers know what you think