城市空间数据分析方法

本书中城市空间数据分 析方法理论研究框架系统化 的建立，正是试图明确跨学 科关联知识广度和深度上认 知，促进分科知识融通发展 为完整的知识体系，强化城 市空间数据分析方法发展的 深度，推动研究者从工具的 使用者转变为工具的创造者 ，摆脱传统软件工具的束缚 ，增加城市空间数据分析方 法的创造性。本书内容共4 章，包括：准备；理论工具 ；基础试验；附：Python基 础核心，为城市空间数据分 析方法的基础试验部分。本 书的读者群体主要是风景园 林、城乡规划、建筑学专业 ，以数字化规划设计、大数 据、机器学习和深度学习、 智能化规划设计、城市空间 数据分析处理为目的，相关 的高等院校、规划设计院等 的技术人员、科研人员以及 相关专业人士、学者和学生 等。

1 准备 1.1 代码的整洁之道 1.2 Python解释器和笔记，与GitHub代码托管 1.3 数据库与数据分析基本流程组织 2 理论工具 2.1 城市空间数据分析方法理论集成研究框架 2.2 USDA工具包和科学计算工具构建 3 基础试验 3-A 编程统计学及数据统计分析 3.1 POI数据与描述性统计和正态分布 3.2 OSM数据与核密度估计 3.3 基本统计量与公共健康数据的相关性分析 3.4 简单回归与多元回归 3.5 公共健康数据的线性回归与梯度下降法 3-B 编程线性代数及遥感影像数据处理 3.6 编程线性代数 3.7 主成分分析与Landsat遥感影像 3.8 基于NDVI指数解译影像与建立采样工具 3-C 编程微积分及SIR空间传播模型 3.9 编程微积分 3.10 卷积与SIR空间传播模型 3-D 计算机视觉及城市街道空间 3.11 图像特征提取与动态街景视觉感知 3.12 Sentinel-2及超像素级分割下高空分辨率特征尺度界定 3-E 机器学习试验 3.13 聚类与城市色彩 3.14 图像分类器、识别器与机器学习模型网络实验应用平台部署 3-F 深度学习试验 3.15 从解析解到数值解，从机器学习到深度学习 3.16 逻辑回归二分类到SoftMax回归多分类 3.17 卷积神经网络 3.18 对象检测、实例分割与人流量估算和对象统计 3.19 Cityscapes数据集、图像分割与城市空间对象统计 3.20 高分辨率遥感影像解译 3.21 NAIP航拍影像与分割模型库及Colaboratory和iPlanetary Computer Hub 3-G 点云数据处理与内存管理 3.22 点云数据处理 3.23 天空视域因子计算与内存管理 4 附：Python基础核心 PCS-1.善用print()，基础运算，变量及赋值 PCS-2.数据结构（Data Structure）-list，tuple，dict，set PCS-3.数据结构（Data Structure）-string PCS-4.基本语句_条件语句（if、elif、else），循环语句（for、while）和列表推导式（comprehension） PCS-5.函数（function）、作用域（scope）与命名空间（namespace）、参数（arguments） PCS-6.recursion（递归）、lambda（Anonymous Function，匿名函数）、generator（生成器） PCS-7.模块与包（module and package），及PyPI发布（distribution） PCS-8.类（OOP）Classes_定义，继承，__init__()构造方法，私有变量/方法 PCS-9.（OOP）_Classes_Decorators（装饰器）_Slots PCS-10.异常-Errors and Exceptions