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: 1st
نویسندگان: Jay Lee. David W. S. Wong
سری:
ISBN (شابک) : 0471348740, 9780471437765
ناشر:
سال نشر: 2000
تعداد صفحات: 205
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Statistical Analysis with ArcView GIS (r) 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 آماری با ArcView GIS (r) 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.
تجزیه و تحلیل آماری داده های جغرافیایی در سال های اخیر با ظهور نرم افزار سیستم های اطلاعات جغرافیایی (GIS) بسیار افزایش یافته است. با این حال، کاربران GIS برای همگام سازی کاربردهای خود از اطلاعات مکانی با آمارهای کمی و عملی دچار مشکل هستند. ArcView، یکی از قدرتمندترین سیستم های سازگار با GIS، دقیقاً به دلیل ظرفیت آن برای سنتز فضایی- کمی به محبوب ترین نرم افزار در بین جغرافیدانان تبدیل شده است. اکنون جغرافیدانان جی لی و دیوید ونگ اولین کتاب راهنما را برای استفاده کاربردی ArcView تولید کردهاند که زیربنای نظری آمار کلاسیک را در محیط علم زمین آورده است. این منبع ساده با استفاده از نقاط، خطوط و چند ضلعی ها برای مدل سازی اشکال جغرافیایی دنیای واقعی، پل ارزشمندی بین نظریه و نرم افزار لازم برای به کارگیری آن در اختیار جغرافیدانان قرار می دهد. این شامل بخش هایی در مورد توزیع نقطه، تجزیه و تحلیل الگوی نقطه، ویژگی های خطی، تجزیه و تحلیل شبکه، و تجزیه و تحلیل خودهمبستگی فضایی است. تجزیه و تحلیل آماری با ArcView GIS نیز دارای ویژگیهایی است: نمونههایی که مراحل محاسبات آماری و همچنین راههایی برای تفسیر نتایج را نشان میدهند. بیش از 100 تصویر، از جمله نمودارهای آماری، نقشه ها و عکسبرداری از صفحه نمایش ArcView. منابع مفید پایان فصل این کتاب که برای متخصصان و همچنین دانشجویان رشته جغرافیا مناسب است، ابزار مهمی برای هر کسی است که در تجزیه و تحلیل آماری داده های GIS نقش دارد.
Statistical analysis of geographic data has been greatly enhanced in recent years with the advent of Geographical Information Systems (GIS) software. Yet GIS users have struggles to synchronize their applications of spatial information with practical, quantitative statistics. ArcView, one of the most powerful GIS-compatible systems, has become the most popular software among geographers precisely because of its capacity for spatial-quantitative synthesis. Now geographers Jay Lee and David Wong have produced the first handbook for applied ArcView use, bringing the theoretical underpinnings of classical statistics into the earth science environment. Employing points, lines, and polygons to model real-world geographic forms, this easy-to-use resource provides geographers with a valuable bridge between theory and the software necessary to apply it. It contains sections on point distribution, point pattern analysis, linear features, network analysis, and spatial autocorrelation analysis. Statistical Analysis with ArcView GIS also features: Examples that show steps of statistical calculations-as well as ways to interpret the results. More than 100 illustrations, including statistical charts, maps, and ArcView screen captures. Helpful end-of-chapter references. Suitable for professionals as well as students of geography, this book is an important tool for anyone involved in the statistical analysis of GIS data.
Statistical Analysis with ArcView GIS......Page 1
Contents......Page 6
INTRODUCTION......Page 8
1 ATTRIBUTE DESCRIPTORS......Page 14
1.1 Central Tendency......Page 18
1.2 Dispersion and Distribution......Page 24
1.3 Relationship......Page 34
1.4 Trend......Page 38
2.1 The Nature of Point Features......Page 46
2.2 Central Tendency of Point Distributions......Page 48
2.3 Dispersion of Point Distributions......Page 57
2.4 Application Examples......Page 62
References......Page 69
3 PATTERN DETECTORS......Page 71
3.1 Scale, Extent, and Projection......Page 72
3.2 Quadrat Analysis......Page 75
3.3 Nearest Neighbor Analysis......Page 85
3.4 Spatial Autocorrelation......Page 91
3.5 Application Examples......Page 97
References......Page 103
4.1 The Nature of Linear Features......Page 104
4.2 Characteristics and Attributes of Linear Features......Page 107
4.3 Directional Statistics......Page 117
4.4 Network Analysis......Page 127
4.5 Application Examples......Page 134
References......Page 144
5 PATTERN DESCRIPTORS......Page 145
5.1 Spatial Relationships......Page 146
5.2 Spatial Autocorrelation......Page 148
5.3 Spatial Weights Matrices......Page 150
5.4 Types of Spatial Autocorrelation Measures and Some Notations......Page 158
5.5 Joint Count Statistics......Page 160
5.6 Moran and Geary Indices......Page 169
5.7 General G-Statistic......Page 177
5.8 Local Spatial Autocorrelation Statistics......Page 180
5.9 Moran Scatterplot......Page 187
5.10 Application Examples......Page 190
References......Page 202
INDEX......Page 204