精华内容
下载资源
问答
  • 地理空间数据

    2019-04-10 12:48:00
    一、在地理数据的生产中,地理基础框架数据主要是4D产品: DLG:Digital Line Graph(数字线划数据) DRG:Digital Raster Graph(数字栅格数据) ...二、根据空间数据的内容和用途,分为基础数据和专题数据:...

    一、在地理数据的生产中,地理基础框架数据主要是4D产品:

    1. DLG:Digital Line Graph(数字线划数据)
    2. DRG:Digital Raster Graph(数字栅格数据)
    3. DEM:Digital Elevation Model (数字高程模型)
    4. DOM:Digital Ortho Map (数字正射影像)

     

    二、根据空间数据的内容和用途,分为基础数据和专题数据:

    1. 基础数据:反映基础的地址、地貌等基础地理框架信息,如地图数据、影像数据、土地数据等
    2. 专题数据:反映不同专业领域的专题地理信息,如水资源数据、水质数据、矿产分布数据等

    三、空间数据质量通过准确度、精度、不确定性、相容性、一致性、完整性、可得性、现势性等指标度量。

     

    四、GIS 数据流程

    1. 空间查询和分析是GIS 的核心,是GIS 最重要的和最具有魅力的功能,也是GIS 有别于其他信息系统的本质特征。主要包含数据操作运行、数据查询检索和数据综合分析。数据查询检索即从数据文件、数据库或存储装置中,查找和选取所需的数据。综合能力功能可以提供系统评价、管理和决策的能力,主要包括信息量测、属性分析、统计分析、二维模型分析、三维模型分析、多要素综合分析等。
    2. 空间决策支持:是应用空间分析的各种手段对空间数据进行处理变换,以提取出隐含于空间数据中的某些事实与关系,并以图像和文字的形式直接的加以表达,为现实世界中的各种应用提供科学、合理的决策支持。

    转载于:https://www.cnblogs.com/little-little-bai/p/10682764.html

    展开全文
  • 地理空间数据湖 重要地理空间数据集的中央存储,管理和访问,由开发 开发设置 一次性设置,假设您位于项目目录中: 安装和配置Docker: 安装软件包: sudo apt install docker.io 将您自己添加到“ sudo usermod ...
  • 本文概述 在本教程中, 你将了解两个流行于地理空间数据的软件包:geopandas和Shapely。然后, 你将应用这两个软件包使用Python读取地理空间数据, 并绘制8月30日至9月18日飓风佛罗伦萨的踪迹。什么是地理空间数据?...

    本文概述

    在本教程中, 你将了解两个流行于地理空间数据的软件包:geopandas和Shapely。然后, 你将应用这两个软件包使用Python读取地理空间数据, 并绘制8月30日至9月18日飓风佛罗伦萨的踪迹。

    什么是地理空间数据?

    空间数据, 地理空间数据, GIS数据或地理数据是数字数据的名称, 该数字数据根据地理坐标系识别诸如建筑物, 街道, 城镇, 城市, 国家等物理对象的地理位置。 。从空间数据中, 你不仅可以找到位置, 还可以找到任何对象的长度, 大小, 面积或形状。可以获取的一种空间数据的示例是:对象的坐标, 例如纬度, 经度和海拔。地理信息系统(GIS)或其他专用软件应用程序可用于访问, 可视化, 操纵和分析地理空间数据。

    为什么选择地理空间数据?

    地理空间数据在我们的日常生活中具有大量应用。一个示例是你用于从一个位置导航到其他位置的地图应用程序。你每天可能会看到的另一个天气频道。

    是的, 地理空间数据用于表示某物相对于其周围其他事物的位置信息:城市地图上的房屋, 世界地图上的飓风等。因此, 在本教程中, 你将了解破坏性的佛罗伦萨飓风并跟踪其位置。

    聊够了, 让我们动手吧

    包装要求

    不要跳过。这是重要的部分。如果不确定你是否满足要求, 请再次检查。首先, 你需要安装以下所有软件包。

    熊猫:提供数据结构和数据分析工具

    Numpy:使用Python进行科学计算的基本软件包

    SciPy :(发音为” Sigh Pie”)是用于数学, 科学和工程的基于Python的开源软件生态系统

    RTree:libspatialindex的ctypes Python包装器, 提供许多高级空间索引功能

    GDAL:栅格和矢量地理空间数据格式的转换器库

    Fiona:Fiona读写空间数据文件

    匀称:几何对象, 谓词和运算

    GeoPandas:扩展了熊猫使用的数据类型, 以允许对几何类型进行空间操作。

    PySAL:一个用Python编写的空间分析函数库, 旨在支持高级应用程序的开发。

    Matplotlib:Python 2D绘图库

    Missingno:缺少Python的数据可视化模块

    按照上述顺序安装所有软件包, 以确保一切正常。有些软件包是其他软件包的先决条件, 例如:安装GeoPandas, 需要Shapely和安装Shapely;应该安装RTree, GDAL和Fiona。安装软件包的最简单方法是:pip install PACKAGE_NAME

    如果你使用的是Windows, 但无法通过该方式安装软件包, 请访问此网站以下载相关的软件包, 并点安装PATH_TO_PACKAGE。

    关于数据:

    如你所知, 可怕的飓风佛罗伦萨刚刚经过美国东海岸的一部分, 估计造成170亿美元的损失。本教程将帮助你找出它的来源, 何时何地变得更强大, 并更多地了解这种自然灾害并在Python中进行分析。有许多网站提供有关此飓风的信息。例如, 此网站提供了1902年至2018年美国几次暴风雨和飓风的数据, 因此有大量可用数据供你以后使用。在本教程中, 你将仅使用飓风佛罗伦萨数据

    你还将使用来自互联网的美国地图地理空间数据。埃里克·塞莱斯特(Eric Celeste)的这篇博客文章提供了美国各州和各州的各种边界数据文件。本教程中使用的数据是美国5m GeoJSON文件。

    # Load all importance packages

    import geopandas

    import numpy as np

    import pandas as pd

    from shapely.geometry import Point

    import missingno as msn

    import seaborn as sns

    import matplotlib.pyplot as plt

    % matplotlib inline

    首先, 让我们看一下第一个地理空间数据框:美国州地理数据

    # Getting to know GEOJSON file:

    country = geopandas.read_file("data/gz_2010_us_040_00_5m.json")

    country.head()

    检查刚刚加载的数据框的类型, 你会看到它是地理数据框, 它具有Pandas数据框的所有常规特征。

    type(country)

    geopandas.geodataframe.GeoDataFrame

    检查包含坐标的列的数据类型:GeoSeries。

    type(country.geometry)

    geopandas.geoseries.GeoSeries

    GeoSeries中的每个值都是一个Shapely对象。有可能:

    线

    多边形

    多多边形

    每个对象都可以用于不同类型的物理对象, 例如:用于建筑物的点, 用于街道的线, 用于城市的多边形和用于内部有多个城市的国家的MultiPolygon。有关每个几何对象的更多信息, 请阅读本文:https://shapely.readthedocs.io/en/stable/manual.html#geometric-objects

    type(country.geometry[0])

    shapely.geometry.multipolygon.MultiPolygon

    与Pandas DataFrame相似, GeoDataFrame也具有属性图, 该属性图利用数据框中的几何图形来绘制地图:

    country.plot()

    你可能会看到, 与框架相比, 美国地图相对较小。这是因为这些信息包括分布在各地的阿拉斯加, 夏威夷和波多黎各。出于本教程的目的, 你可以排除阿拉斯加和夏威夷, 因为飓风没有在这两个州附近发生。你还可以添加图形大小和颜色来自定义你自己的图:

    # Exclude Alaska and Hawaii for now

    country[country['NAME'].isin(['Alaska', 'Hawaii']) == False].plot(figsize=(30, 20), color='#3B3C6E');

    没那么难, 对!现在你有了美国地图, 让我们加载飓风数据:

    florence = pd.read_csv('data/florence.csv')

    florence.head()

    探索性数据分析

    加载任何数据集时, 这始终是你要做的第一件事:

    检查信息, 数据类型

    任何遗漏的值

    统计数据

    florence.info()

    RangeIndex: 105 entries, 0 to 104

    Data columns (total 11 columns):

    AdvisoryNumber 105 non-null object

    Date 105 non-null object

    Lat 105 non-null float64

    Long 105 non-null float64

    Wind 105 non-null int64

    Pres 105 non-null int64

    Movement 105 non-null object

    Type 105 non-null object

    Name 105 non-null object

    Received 105 non-null object

    Forecaster 104 non-null object

    dtypes: float64(2), int64(2), object(7)

    memory usage: 9.1+ KB

    使用missingno包检查缺失值。这是使用可视化显示丢失数据的有用软件包。如你在下面看到的, ” Forecaster”列中只有一个缺少的值, 对于本教程而言, 你不需要。因此, 你现在可以忽略它。

    # Notice you can always adjust the color of the visualization

    msn.bar(florence, color='darkolivegreen');

    查看一些统计信息, 其中一些信息可能非常有用, 例如平均风速, 飓风的最大和最小风速等。

    # Statistical information

    florence.describe()

    岁月

    long

    压力

    计数

    105.000000

    105.000000

    105.000000

    105.000000

    意思

    25.931429

    56.938095

    74.428571

    981.571429

    小时

    7.975917

    20.878865

    36.560765

    22.780667

    12.900000

    18.400000

    25.000000

    939.000000

    25%

    18.900000

    41.000000

    40.000000

    956.000000

    50%

    25.100000

    60.000000

    70.000000

    989.000000

    75%

    33.600000

    76.400000

    105.000000

    1002.000000

    最大值

    42.600000

    82.900000

    140.000000

    1008.000000

    对于大多数数据, 你将需要清理并仅处理需要处理的内容。在这里, 你只需要时间和坐标:纬度和经度, 风速, 压力和名称。移动和类型是可选的, 但其余的可以删除。

    # dropping all unused features:

    florence = florence.drop(['AdvisoryNumber', 'Forecaster', 'Received'], axis=1)

    florence.head()

    通常, 如果你自己绘制数据, 则无需格外注意坐标。但是, 如果你希望它看起来与地图上的外观相似, 则检查经度和纬度非常重要。这里的经度是西, 你需要在数字前添加”-“以正确绘制数据:

    # Add "-" in front of the number to correctly plot the data:

    florence['Long'] = 0 - florence['Long']

    florence.head()

    然后, 你可以组合纬度和经度以创建飓风坐标, 随后将其转换为GeoPoint以进行可视化。

    # Combining Lattitude and Longitude to create hurricane coordinates:

    florence['coordinates'] = florence[['Long', 'Lat']].values.tolist()

    florence.head()

    # Change the coordinates to a geoPoint

    florence['coordinates'] = florence['coordinates'].apply(Point)

    florence.head()

    检查佛罗伦萨数据框的类型和佛罗伦萨数据的列坐标。它是pandas DataFrame和pandas系列。

    type(florence)

    pandas.core.frame.DataFrame

    type(florence['coordinates'])

    pandas.core.series.Series

    将数据转换为地理空间数据后, 我们将再次检查佛罗伦萨数据框的类型和佛罗伦萨数据的列坐标。现在是Geo DataFrame和GeoSeries。

    # Convert the count df to geodf

    florence = geopandas.GeoDataFrame(florence, geometry='coordinates')

    florence.head()

    type(florence)

    geopandas.geodataframe.GeoDataFrame

    type(florence['coordinates'])

    geopandas.geoseries.GeoSeries

    请注意, 即使现​​在它是一个Geo DataFrame和Geo系列, 它的行为仍然像普通的DataFrame和一个Series。这意味着你仍然可以对数据帧执行过滤, 分组依据, 或提取列的最小值, 最大值或平均值。

    # Filtering from before the hurricane was named.

    florence[florence['Name']=='Six']

    # Groupping by name to see how many names it has in the data set:

    florence.groupby('Name').Type.count()

    Name

    FLORENCE 6

    Florence 85

    SIX 4

    Six 10

    Name: Type, dtype: int64

    计算飓风佛罗伦萨的平均风速:

    print("Mean wind speed of Hurricane Florence is {} mph and it can go up to {} mph maximum".format(round(florence.Wind.mean(), 4), florence.Wind.max()))

    Mean wind speed of Hurricane Florence is 74.4286 mph and it can go up to 140 mph maximum

    因此, 佛罗伦萨飓风的平均风速为每小时74.43英里(每小时119.78公里), 最大时速为140英里每小时(每小时225.308公里)。为了想象这种风速有多可怕, 由英国皇家海军开发的Beaufort Wind Scale网站显示了风在水上和陆地上的出现。以每小时48至55英里的速度, 它已经可以折断并连根拔起树木, 并造成”相当大的结构破坏”。

    你现在不想在那儿。

    可视化

    与pandas Dataframe相似, GeoDataFrame也具有.plot属性。但是, 此属性利用GeoDataFrame中的坐标将其映射出来。让我们来看看:

    florence.plot(figsize=(20, 10));

    发生了什么?你所看到的只是一堆没有导航的点。有什么问题吗?

    不, 一切都很好。由于此数据框在每个时间点仅具有飓风佛罗伦萨的坐标信息(位置), 因此我们只能在空白地图上绘制位置。

    因此, 下一步是在美国地图上绘制飓风的位置, 以查看飓风袭击的地点以及当时的飓风强度。为此, 你将使用美国地图坐标(我们在开始时加载的数据)作为基础, 并在其上方绘制飓风佛罗伦萨的位置。

    # Plotting to see the hurricane overlay the US map:

    fig, ax = plt.subplots(1, figsize=(30, 20))

    base = country[country['NAME'].isin(['Alaska', 'Hawaii']) == False].plot(ax=ax, color='#3B3C6E')

    # plotting the hurricane position on top with red color to stand out:

    florence.plot(ax=base, color='darkred', marker="*", markersize=10);

    看起来很棒!现在, 我们将用更多详细信息完成它, 例如:

    添加标题

    根据风速为飓风位置上色, 以查看飓风袭击每个城市时的强度。

    拆下轴

    添加图例

    将结果保存到图像文件中以备后用

    fig, ax = plt.subplots(1, figsize=(20, 20))

    base = country[country['NAME'].isin(['Alaska', 'Hawaii']) == False].plot(ax=ax, color='#3B3C6E')

    florence.plot(ax=base, column='Wind', marker="

    _ = ax.axis('off')

    plt.legend()

    ax.set_title("Hurricane Florence in US Map", fontsize=25)

    plt.savefig('Hurricane_footage.png', bbox_inches='tight');

    因此, 飓风在东海岸附近离岸时最强烈。当飓风接近陆地时, 飓风开始失去力量, 但是在每小时60到77英里的风速下, 飓风仍然会造成可怕的破坏。

    总结

    做得好!你已经了解了一些在Python中处理地理空间数据的必要步骤。你还将学习如何绘制地理空间数据, 以及如何自定义图表的形状, 颜色和叠加以显示故事。如果你想练习自己的技能, 则可以在线获取大量的地理空间数据, 以进行尝试。我上面提供的天气网站就是一个例子。

    对于资源, 请看一本书:Karim Bahgat(2015)撰写的” Python地理空间开发要点”, 以获取更深入的指导。

    如果你想与我联系, 可以给我发送电子邮件dqvu.ubc@gmail.com或通过LinkedIn与我联系。祝你学习愉快并保持安全!

    如果你想了解有关Python中地理空间数据的更多信息, 请参加srcmini的Python中地理空间数据可视化课程。

    以下是本教程中使用的数据:

    export.csv

    佛罗伦萨

    gz_2010_us_040_00_5m

    hurricane_data

    展开全文
  • 湖南省地理空间数据管理办法全文 第一章 总则 第一条 为了加强地理空间数据的管理,规范地理空间数据的采集、生产、汇集整理,促进地理空间数据的共享使用,发挥地理空间数据在经济建设和社会发展中的作用,根据...
  • 1、MySQL地理空间数据类型POINT,存储一个位置点数据LINESTRING,存储一条线数据POLYGON,存储一个多边形数据MULTIPOINT,存储多个位置点数据MULTILINESTRING,存储多条线数据MULTIPOLYGON,存储多个多边形数据...

    1、MySQL地理空间数据类型

    POINT,存储一个位置点数据

    LINESTRING,存储一条线数据

    POLYGON,存储一个多边形数据

    MULTIPOINT,存储多个位置点数据

    MULTILINESTRING,存储多条线数据

    MULTIPOLYGON,存储多个多边形数据

    GEOMETRY,可以存储任何POINT,LINESTRING,POLYGON 的数据

    GEOMETRYCOLLECTION,可以存储任何空间数据类型的集合

    创建一个带有空间数据类型的表:

    CREATE TABLE geom (g GEOMETRY NOT NULL);

    插入空间数据:

    INSERT INTO geom VALUES (ST_GeomFromText(‘POINT(1 1)’));

    查询空间数据:

    SELECT ST_AsText(g) FROM geom;

    查询时要加上ST_AsText()函数,将空间数据以WKT文本格式显示出来,如果不用ST_AsText()函数转换,那么查询出来的空间数据将是一串二进制符号,无法阅读。

    2、MySQL支持的地理空间数据格式

    地理空间数据通常以文本方式来描述,比如一个点可以描述为 POINT(15 20),再使用 ST_GeomFromText()函数将文本转成MySQL内部的地理空间数据,下面列出常用的地理空间数据表示方法。

    POINT:

    SELECT ST_GeomFromText(‘POINT(15 20)’);

    LINESTRING:

    SELECT ST_GeomFromText(‘LINESTRING(0 0, 10 10, 20 25, 50 60)’);

    SELECT ST_LineStringFromText(‘LINESTRING(0 0, 10 10, 20 25, 50 60)’);

    POLYGON:

    SELECT ST_GeomFromText(‘POLYGON((0 0,10 0,10 10,0 10,0 0),(5 5,7 5,7 7,5 7, 5 5))’);

    SELECT ST_PolygonFromText(‘POLYGON((0 0,10 0,10 10,0 10,0 0),(5 5,7 5,7 7,5 7, 5 5))’);

    MULTIPOINT:

    SELECT ST_MPointFromText(‘MULTIPOINT (1 1, 2 2, 3 3)’);

    SELECT ST_MPointFromText(‘MULTIPOINT ((1 1), (2 2), (3 3))’);

    MULTILINESTRING:

    SELECT ST_GeomFromText(‘MULTILINESTRING((10 10, 20 20), (15 15, 30 15))’);

    MULTIPOLYGON:

    SELECT ST_GeomFromText(‘MULTIPOLYGON(((0 0,10 0,10 10,0 10,0 0)),((5 5,7 5,7 7,5 7, 5 5)))’);

    GEOMETRYCOLLECTION:

    SELECT ST_GeomFromText(‘GEOMETRYCOLLECTION(POINT(10 10), POINT(30 30), LINESTRING(15 15, 20 20))’);

    SELECT ST_GeomCollFromText(‘GEOMETRYCOLLECTION(POINT(10 10), POINT(30 30), LINESTRING(15 15, 20 20))’);

    3、MySQL地理空间索引

    创建空间索引的字段必须为NOT NULL,否则创建空间索引报错。

    创建表的同时创建空间索引:

    CREATE TABLE geom (g GEOMETRY NOT NULL, SPATIAL INDEX(g));

    ALTER TABLE方式创建空间索引:

    CREATE TABLE geom (g GEOMETRY NOT NULL);

    ALTER TABLE geom ADD SPATIAL INDEX(g);

    删除空间索引:

    ALTER TABLE geom DROP INDEX g;

    创建好索引之后,就可以在一些空间查询函数中使用索引,比如 MBRContains(), MBRWithin()

    例如:

    mysql> SET @poly = ‘Polygon((30000 15000, 31000 15000, 31000 16000, 30000 16000, 30000 15000))’;

    mysql> SELECT fid,ST_AsText(g) FROM geom WHERE MBRContains(ST_GeomFromText(@poly),g);

    也可以使用explain 来查看select空间查询有没有走空间索引,用法与普通索引类似,不再赘述。

    4、MySQL中常用的地理空间函数

    MySQL提供了很多地理空间数据相关的函数,包括地理空间对象构造函数,地理空间分析函数等等,种类非常丰富,能够实现各种复杂的地理空间应用。比如

    查询两个地理对象之间的距离,可使用函数 ST_Distance()。

    判断两个地理对象是否有包含关系,可使用函数 ST_Contains()。

    判断一个地理对象是否穿过另外一个地理对象,可使用函数 ST_Crosses()。

    判断两个地理对象是否相交,可使用函数 ST_Intersects()。

    展开全文
  • Company Logo Company Logo 姓名郭翔 专业地质资源与地质工程 学号141311050012 地理空间数据云平台及其应用 目录 1. 背景和历史 2. 数据资源 3. 模型计算 4. 多元服务 5. 应用领域及案例 地理空间数据云及其应用 ...
  • 朋友的杰作,我拿来分享赚点积分,顺便帮他推广一下。 完美下载“地理空间数据云”网站上的各种数据,dem数据,很好很强大。 地理空间数据云dem下载利器。
  • 多源地理空间数据的集成与融合研究,巨正平,郭广礼,多源地理空间数据的集成与融合是目前地球信息科学领域研究的一个热点问题。本文针对人们对地理空间数据迫切需求,介绍了多源空间
  • 地理空间数据挖掘系统实现问题研究,杨莉,金俐伶,进行地理空间数据挖掘是一个复杂的工程,一个有效的系统的建立涉及到许多方面的问题,本文就实现思路、数据组织、数据接口、聚类
  • 随着地理信息的迅速发展,如何快速处理海量的地理空间数据,是提高地理信息服务的关键。Python语言与Arc GIS地理处理相结合,成为实现地理空间数据的批量处理快速有效的方法。文中说明了Python语言在地理空间数据处理的...
  • 地理空间数据云下载的数据是以怎样的文件格式呈现的,为什么我下载的是一个波段一幅图,就没有?
  • 中M 中M科学院 计算机网络信息中心 Ccr^ purer Network lntomwon Centos Oitwm Academy of Saences 中M 中M科学院 计算机网络信息中心 Ccr^ purer Network lntomwon Centos Oitwm Academy of Saences 地理空间数据云...
  • python+selenium爬取地理空间数据云影像的元数据,地理空间数据云影像的元数据信息是动态获取的,所以要用到selenium实现动态点击,而且翻页也需要动态去做
  • MODIS数据下载流程之地理空间数据

    千次阅读 2020-03-05 22:14:48
    但是地理空间数据云中的数据量相对较少。 对于获取常规数据可能够用,这里的步骤比较简单,注册地理空间数据云账号后登录,选择高级检索,选择你要的数据集,确定你要的时间及区域,查询后下载即可。 ...

    常用的MODIS数据下载网站有地理空间数据云,http://www.gscloud.cn/。但是地理空间数据云中的数据量相对较少。
    地理空间数据云MODIS数据页面截图对于获取常规数据可能够用,这里的步骤比较简单,注册地理空间数据云账号后登录,选择高级检索,选择你要的数据集,确定你要的时间及区域,查询后下载即可。地理空间数据云下载接面

    展开全文
  • 为了提高地理空间数据更新的自动化水平,将ECA规则和主动数据库的理念和技术引入数据更新。对各种地理事件的定义与描述做了重点研究,建立了地理事件逻辑表达模型。对更新条件与更新操作进行分类与描述,提出了GECA(Geo...
  • 随着3S技术迅猛发展,地理空间数据呈现出爆发式增长趋势,基于地理空间数据构建知识图谱,实现数据到知识的转换成为亟待解决的科学问题。针对通用知识图谱仅以属性和语义关系表示地理空间知识、空间关系缺失等问题,...
  • 基于文本的地理空间数据挖掘与可视化,刘元凤,,Web文本挖掘在现今各行业中越来越受欢迎,而基于文本的地理空间数据的挖掘与可视化还是一较新颖的研究领域。本文在综述文本数据挖
  • 软件介绍: 地理空间数据云DGIS影像dem下载工具能够完美下载“地理空间数据云”网站上的各种数据,dem数据功能非常强大,是地理空间数据云dem下载利器,需要安装后才能使用。
  • ERDAS APOLLO是集空间数据共享、管理和处理于一身的海量地理空间数据应用平台。其基本版具有当今性能最高的影像发布能力;高级版具有功能最全、最方便的影像、矢量、点云、地形、电子文档等信息的能力;高级版还具有...
  • GeoInterface.jl:地理空间数据的Julia协议
  • 地理空间数据可视化

    千次阅读 2019-02-21 19:38:22
    地理空间数据可视化 地图映射:  地图映射,也就是将数据中的地理坐标转换成屏幕上的坐标  按照曲面映射过程中的优化目标区分,地图映射主要包含以下三种类型:  等角度(正形投影):源曲面和目标曲面(即...
  • 城市地理空间数据可视化

    千次阅读 2016-11-06 17:30:03
    城市地理空间数据城市地理空间数据是跟城市中一切与地理空间分布有关的各种要素的图形信息、属性信息以及相互空间关系的总称。
  • spatial_python, 地理空间数据的python 资源 SpatialPython欢迎使用 Github 上的空间 python 社区。 在这里,你将找到带有 Python 资源的链接和页面,用于地理空间数据和分析。 这是一个社区努力,在 SciPy2014,在...
  • 二十多岁 轮询和地理空间数据的交集
  • GIS地理空间数据免费获取

    千次阅读 2019-01-27 13:36:45
    GIS地理空间数据免费获取 国内: 一、测绘地理信息局会提供权威的数据。 需要进入全国地理信息资源目录服务系统网站(http://www.webmap.cn/main.do?method=index),该网站提供:30米全球地表覆盖数据,GlobeLand30...
  • 地学数据共享正在向以志愿数据共享、数据出版、智能数据发现、数据关联以及以模型共享为核心的动态数据共享方向发展。...在此背景下,《地理空间数据本体概念、技术方法与应用》(诸云强,潘鹏著.北京:...
  • 地理空间数据 pythonDealing with geospatial data is often seen as cumbersome in the data science world. We seldom bother to include spatial features in our machine learning models. It is partly due to ...
  • FedData:自动下载可从多个联合数据源获得的地理空间数据的功能
  • 在MySQL中,Geometry等几何对象可以用来表示地理位置,即用几何对象表示地理空间数据。在MySQL中支持的几何数据类型包括Geometry、Point、LineString、Polygon以及集合类型的MultiPoint、MultiLineString、...
  • 使用Blender实现地理空间数据的实时3D可视化

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,109
精华内容 2,043
关键字:

地理空间数据