Geoinformatics » Python http://www.geoinformatics.cn Arts and Sciences move me on ... Sat, 28 Aug 2010 18:31:16 +0000 en hourly 1 http://wordpress.org/?v=3.0 GDAL中文学习资料 http://www.geoinformatics.cn/2010/01/gdal%e4%b8%ad%e6%96%87%e5%ad%a6%e4%b9%a0%e8%b5%84%e6%96%99/ http://www.geoinformatics.cn/2010/01/gdal%e4%b8%ad%e6%96%87%e5%ad%a6%e4%b9%a0%e8%b5%84%e6%96%99/#comments Thu, 07 Jan 2010 01:10:43 +0000 musicman http://www.geoinformatics.cn/?p=2997 GDAL Logo

GDAL Logo

早上查收OSGeo China的邮件，看到中科院的柴树杉老师(chaishushan@gmail.com)翻译了GDAL的开发资料，详见（http://www.osgeo.org.cn/l18n/gdal/）。

如果喜欢用python，不妨看看啄木鸟社区的一份GDAL的开发材料（http://wiki.woodpecker.org.cn/moin/lilin/gdal-index）。

]]> http://www.geoinformatics.cn/2010/01/gdal%e4%b8%ad%e6%96%87%e5%ad%a6%e4%b9%a0%e8%b5%84%e6%96%99/feed/ 0 写了一份pyQuery教程 http://www.geoinformatics.cn/2009/11/%e5%86%99%e4%ba%86%e4%b8%80%e4%bb%bdpyquery%e6%95%99%e7%a8%8b/ http://www.geoinformatics.cn/2009/11/%e5%86%99%e4%ba%86%e4%b8%80%e4%bb%bdpyquery%e6%95%99%e7%a8%8b/#comments Sun, 01 Nov 2009 23:48:32 +0000 musicman http://www.geoinformatics.cn/?p=1451 前几天在用pyquery，绝对这个库做的非常好，索性就将原来的英文教程进行翻译。如果喜欢jquery然后用想在python中使用jquery的语法，不妨用用pyquery，不会让大家失望的。

请访问如下地址 http://geoinformatics.cn/lab/pyquery/

pyquery

]]> http://www.geoinformatics.cn/2009/11/%e5%86%99%e4%ba%86%e4%b8%80%e4%bb%bdpyquery%e6%95%99%e7%a8%8b/feed/ 4 利用python解析基于GraphML的的社会网络并用GIS展示 http://www.geoinformatics.cn/2009/10/%e5%88%a9%e7%94%a8python%e8%a7%a3%e6%9e%90%e5%9f%ba%e4%ba%8egraphml%e7%9a%84%e7%9a%84%e7%a4%be%e4%bc%9a%e7%bd%91%e7%bb%9c%e5%b9%b6%e7%94%a8gis%e5%b1%95%e7%a4%ba/ http://www.geoinformatics.cn/2009/10/%e5%88%a9%e7%94%a8python%e8%a7%a3%e6%9e%90%e5%9f%ba%e4%ba%8egraphml%e7%9a%84%e7%9a%84%e7%a4%be%e4%bc%9a%e7%bd%91%e7%bb%9c%e5%b9%b6%e7%94%a8gis%e5%b1%95%e7%a4%ba/#comments Sat, 31 Oct 2009 08:16:49 +0000 musicman http://www.geoinformatics.cn/?p=1438 好长一个标题… …但是确实是用python来连接SNA（Social Network Analysis）和GIS(Geographic Information System)。脑子里反复想着自己特长是啥，画地图？那大概是5岁以前的事情，后来几个伙计打趣说我谈恋爱很在行，Seriously，这方面我还确实拿不出手。一直不离不弃的，也许就是自己编程的能耐，当学了“君子不器”后，越来越发觉似乎连编程都不能当会事了，但是话说回来，至少这算是个爱好吧。

需求大抵是这样的，客户用igraph进行社会网络分析，然后生成了xml格式的数据文件，但并没有很好的网络展示平台，manager就来找我，希望通过我们研发的WebGIS系统展示。在我们的WebGIS系统中，矢量数据都是保存在PostgreSQL数据库里，一般来说，都是通过shapefile 生成sql files，然后导入数据库。由于没有shapefile，但是分析graphicML文件发现结构还是很简单的，而且对于社会网络的两个node之间的关系（relationship），从几何的角度讲，两个nodes构成的关系就是一条两点直线（edge）。基于此，我希望通过python对graphML进行分析，然后直接生成sql file，导入到postgreSQL里面，此后就能用uDig就能直接转换成为shapefile，我不清楚新版的ArcGIS 9.3有没有相似的功能，好久不用Arctoolbox了。

sna

原始数据片段：

< ?xml version="1.0" encoding="UTF-8"?>
<graphml xmlns="http://graphml.graphdrawing.org/xmlns"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://graphml.graphdrawing.org/xmlns
         http://graphml.graphdrawing.org/xmlns/1.0/graphml.xsd">
<!-- Created by igraph -->
  <key id="filestub" for="graph" attr.name="filestub" attr.type="string"/>
  <key id="id" for="node" attr.name="id" attr.type="string"/>
  <key id="xcoord" for="node" attr.name="xcoord" attr.type="double"/>
  <key id="ycoord" for="node" attr.name="ycoord" attr.type="double"/>
  <key id="h_loc" for="edge" attr.name="h_loc" attr.type="string"/>
  <key id="h_zip" for="edge" attr.name="h_zip" attr.type="string"/>
  <key id="h_city" for="edge" attr.name="h_city" attr.type="string"/>
  <key id="t_loc" for="edge" attr.name="t_loc" attr.type="string"/>
  <key id="t_zip" for="edge" attr.name="t_zip" attr.type="string"/>
  <key id="t_city" for="edge" attr.name="t_city" attr.type="string"/>
  <key id="appyear" for="edge" attr.name="appyear" attr.type="string"/>
  <key id="patent" for="edge" attr.name="patent" attr.type="string"/>
  <key id="pat_type" for="edge" attr.name="pat_type" attr.type="string"/>
  <graph id="G" edgedefault="undirected" parse.nodes="1022" parse.edges="9399">
    <data key="filestub">/tmp/VDC/DSB/iGraph.322801</data>
    <node id="n0">
      <data key="id">20190035</data>
      <data key="xcoord">394.439</data>
      <data key="ycoord">245.759</data>
    </node>
    <node id="n1">
      <data key="id">21810055</data>
      <data key="xcoord">452.308</data>
      <data key="ycoord">-49.6771</data>
    </node>
    <edge source="n1020" target="n1021">
      <data key="h_loc">MA</data>
      <data key="h_zip">01532</data>
      <data key="h_city">NORTHBORO</data>
      <data key="t_loc">MA</data>
      <data key="t_zip">01601</data>
      <data key="t_city">WORCESTER</data>
      <data key="appyear">2004</data>
      <data key="patent">7459547</data>
      <data key="pat_type">U</data>
    </edge>
  </graph>
</graphml>

通过python对XML进行解析，我还是向大家推荐pyQuery，大概是喜欢Jquery的缘故吧，我觉得pyQuery用起来很方便，很顺手。大家可以到pyquery.org查找帮助和教程。需要注意的是，pyQuery对于命名空间的解析似乎不是很好，我记得以前我写过一篇帖子叫做两个GIS编程技巧，里面提及了用@nodeName=namespace:elementName的方式来对异域命名空间的元素进行解析。但是pyQuery似乎不能进行该操作，所以我在进行解释之前，将根节点的所有命名空间都删除了。
解析本省是一件很简单的事情，随后写入到另一个文件中，其次对每一个node和edge进行分析，按照SQL语法，生成INSERT INTO的语句。

python 代码片段

from pyquery import PyQuery as pq
from lxml import etree
d = pq(filename="data/rna.xml")
file = open('data/output.sql', 'w+')
content = ''
nodes =  d('node')
for item in nodes:
  content += "INSERT INTO sn_node ( the_geom, nid) VALUES ( GeomFromText('POINT(" + item[1].text.__str__() + " " + item[2].text.__str__() +")', 900913), '" + item.attrib['id'] + "');\n"
file.write(content)
file.close()

从而生成output.sql,如下片段，

INSERT INTO sn_node ( the_geom, nid) VALUES ( GeomFromText('POINT(394.439 245.759)', 900913), 'n0');
INSERT INTO sn_node ( the_geom, nid) VALUES ( GeomFromText('POINT(452.308 -49.6771)', 900913), 'n1');
INSERT INTO sn_node ( the_geom, nid) VALUES ( GeomFromText('POINT(172.295 72.8809)', 900913), 'n2');
INSERT INTO sn_node ( the_geom, nid) VALUES ( GeomFromText('POINT(-217.813 -581.18)', 900913), 'n3');
INSERT INTO sn_edge ( the_geom, snid, tnid, s_zip, t_zip, appyear, patent, pat_type) VALUES ( GeomFromText('LINESTRING(-206.829 790.104,-200.639 791.055)', 900913), 'n121', 'n365', '05403', '05452', '1997', '5902044', 'U');
INSERT INTO sn_edge ( the_geom, snid, tnid, s_zip, t_zip, appyear, patent, pat_type) VALUES ( GeomFromText('LINESTRING(-206.829 790.104,-231.181 757.468)', 900913), 'n121', 'n214', '05403', '05403', '1998', '6134704', 'U');

生成了SQL的INSERT INTO 语句后，然后加上创建数据库和构建索引的语句

CREATE TABLE sn_node (
id serial,
nid varchar(6)
);
SELECT AddGeometryColumn('', 'sn_node','the_geom',900913,'POINT',2);
CREATE INDEX sn_node_index ON sn_node USING GIST ( the_geom );

所有的SQL语句组成了一个SQL文件，如果你有PgAdminIII，导入不是繁琐的事情。不再熬述了。uDig可以直接读取PostgreSQL里面的数据，然后我在uDig里面可以绘制出社会网络的模型，也可uDig输出shapefile，再用ArcGIS读取并展示。如图所示：

ArcGIS 显示 SNA

]]> http://www.geoinformatics.cn/2009/10/%e5%88%a9%e7%94%a8python%e8%a7%a3%e6%9e%90%e5%9f%ba%e4%ba%8egraphml%e7%9a%84%e7%9a%84%e7%a4%be%e4%bc%9a%e7%bd%91%e7%bb%9c%e5%b9%b6%e7%94%a8gis%e5%b1%95%e7%a4%ba/feed/ 2 基于python的Geoprocessing 编程 http://www.geoinformatics.cn/2009/10/%e5%9f%ba%e4%ba%8epython%e7%9a%84geoprocessing-%e7%bc%96%e7%a8%8b/ http://www.geoinformatics.cn/2009/10/%e5%9f%ba%e4%ba%8epython%e7%9a%84geoprocessing-%e7%bc%96%e7%a8%8b/#comments Wed, 28 Oct 2009 20:32:59 +0000 musicman http://www.geoinformatics.cn/?p=1390 如果想基于python并使用Open Source GIS做点事情，大家可以参考犹他州大学Chris Garrard做的一份教程（估计她和我一样，有着做TA的背景）。基本上涉及了对矢量和栅格数据的处理，以及一些必要的图像处理算法，有空的话，不妨看看。

链接地址：http://www.gis.usu.edu/~chrisg/python/2009/

cgarrard

]]> http://www.geoinformatics.cn/2009/10/%e5%9f%ba%e4%ba%8epython%e7%9a%84geoprocessing-%e7%bc%96%e7%a8%8b/feed/ 0 网络浏览笔记 http://www.geoinformatics.cn/2009/10/%e7%bd%91%e7%bb%9c%e6%b5%8f%e8%a7%88%e7%ac%94%e8%ae%b0/ http://www.geoinformatics.cn/2009/10/%e7%bd%91%e7%bb%9c%e6%b5%8f%e8%a7%88%e7%ac%94%e8%ae%b0/#comments Thu, 08 Oct 2009 21:59:28 +0000 musicman http://www.geoinformatics.cn/?p=1301 今天下午在网上乱逛，不过主要是搜索和SNS以及microblog有关的实例，看到一个不错的网站www.paraimage.com。里面总结了不少相关的内容，和大家分享：

]]> http://www.geoinformatics.cn/2009/10/%e7%bd%91%e7%bb%9c%e6%b5%8f%e8%a7%88%e7%ac%94%e8%ae%b0/feed/ 2 中文分词实战与文言文分词的初步设想 http://www.geoinformatics.cn/2009/10/%e4%b8%ad%e6%96%87%e5%88%86%e8%af%8d%e5%ae%9e%e6%88%98%e4%b8%8e%e6%96%87%e8%a8%80%e6%96%87%e5%88%86%e8%af%8d%e7%9a%84%e5%88%9d%e6%ad%a5%e8%ae%be%e6%83%b3/ http://www.geoinformatics.cn/2009/10/%e4%b8%ad%e6%96%87%e5%88%86%e8%af%8d%e5%ae%9e%e6%88%98%e4%b8%8e%e6%96%87%e8%a8%80%e6%96%87%e5%88%86%e8%af%8d%e7%9a%84%e5%88%9d%e6%ad%a5%e8%ae%be%e6%83%b3/#comments Sun, 04 Oct 2009 08:36:06 +0000 musicman http://www.geoinformatics.cn/?p=1249 接着帖子《中文分词整理》讲开来，上回说我比较中意的pymmseg和coreseek —— pymmseg基于python，短小精悍，功能强大，适合扩展应用和初学使用；coreseek是将中文分词和sphinx全文检索结合，适合同中型网站结合使用（比如说去搜索整个台湾中研院的网站，或者是百度国学）。

可以到github上下载pymmseg，然后直接解压到site-package目录里即可。以下是使用该库的基本代码：

# coding= utf-8
from pymmseg import mmseg
mmseg.dict_load_defaults()
text = "... ..."
para = ''
algor = mmseg.Algorithm(text)
for tok in algor:
	print '%s [%d .. %d]' % (tok.text, tok.start, tok.end)
	para += tok.text + '  '
print para

需要注意的是，pymmseg现在只支持utf-8，如果要对基于gbk或big5的中文文章进行分词，需要首先进行字符集的转换。经过测试，我发现pymmseg对白话文的分词，效果还是不错的，如下所示，

原文：

2003年，余英时先生的《朱熹的历史世界》在台北的允晨出版公司出版，第二年，大陆的三联书店也出版了简体字本。至今我还记得，在这部书还没有正式出版时，因为《绪说》部分曾在台湾的《当代》杂志上连载，经由互联网的传播，就已经有部分内容在大陆流传，仅就我所知，在北京大学、清华大学的朋友中，就已经有了热烈的议论。在这部书正式出版之后，更引起了两岸三地，以及北美学界的讨论，出现了不少分量很重的评论 。所以，我在一篇书评中说，在学术社群越来越缺少共同话题，研究取向逐渐多元化的时代，能够成为海内外中国研究领域共同关注焦点的话题并不太多，而这部著作能有这么多反响与争论，真是非常值得高兴的事情。

分词结果：

2003  年  ，  余  英  时  先生  的  《  朱熹  的  历  史  世界  》  在  台  北的  允  晨  出版  公司  出版  ，  第二年  ，  大  陆  的  三  联  书  店  也  出版  了  简  体  字  本  。  至今  我  还  记  得  ，  在  这  部  书  还  没  有  正式  出版  时  ，  因  为  《  绪  说  》  部分  曾在  台  湾  的  《  当  代  》  杂  志  上  连  载  ，  经  由  互  联  网  的  传  播  ，  就  已  经  有  部分  内  容  在  大  陆  流  传  ，  仅  就我  所知  ，  在  北京  大  学  、  清  华  大  学  的  朋友  中  ，  就  已  经  有了  热  烈  的  议  论  。  在  这  部  书  正式  出版  之  后  ，  更  引起  了  两  岸  三地  ，  以及  北美  学  界  的  讨  论  ，  出  现  了  不少  分量  很重  的  评  论  。  所以  ，  我  在  一篇  书  评  中  说  ，  在  学  术  社群  越  来  越  缺少  共同  话  题  ，  研究  取向  逐  渐  多元化  的  时  代  ，  能  够  成  为  海  内  外  中  国  研究  领  域  共同  关  注  焦  点  的  话  题  并  不  太多  ，  而  这  部  著作  能有  这  么  多  反  响  与  争  论  ，  真是  非常  值得  高  兴  的  事情  。

大体上看，效果还不错，但是我们也发现“余英时”并未被分解出，但“朱熹”被识别了。所以为了让pymmseg同样可以识别“余英时”，需要在word.dic里面加入”余英时”这个人名。所以对于mmseg这种基于辞典分词法的分词机，只要加入专业词汇（当然包括人名、地名。）就可以将其分解出。比如说，如果要对《水经注》进行分词，给word.dic里面加入古代地名是相当必要的。

于是乎，我拿来一段古文，来自《近思录》卷三（格物穷理）中的一节进行试验，

原文：

伊川先生答朱长文书曰：心通乎道，然后能辨是非，如持权衡以较轻重，孟子所谓知言是也。心不通于道，而较古人之是非，犹不持权衡而酌轻重，竭其目力，劳其心智，虽使时中，亦古人所谓“亿则屡中”，君子不贵也。

分词结果：

伊  川  先生  答  朱  长  文  书  曰  ：  心  通  乎  道  ，  然  后  能辨  是非  ，  如  持  权  衡  以  较  轻  重  ，  孟子  所  谓  知  言  是  也  。  心  不通  于  道  ，  而  较  古人  之  是非  ，  犹  不  持  权  衡  而  酌  轻  重  ，  竭  其  目力  ，  劳  其  心智  ，  虽  使  时  中  ，  亦  古人  所  谓  “  亿  则  屡  中  ”  ，  君子  不  贵  也。

可以看到，只有“先生”、“能辨”、“孟子”、“不通”、“古人”、“是非”、“君子”几个词被分解出，同时虚词也被分出，但是比如“伊川”、“轻重”等词并没有被识别。针对这种情况，当然了，如果在word.dic里面加入相关词汇，则分词机也是可以识别“伊川先生”等些特定词汇。

总体而言，如果要使用辞典法对文言文进行分词，我觉得需要注意以下几个问题：

  • 1） 字符集问题，请使用utf-8，如果不是，请先进行字符集转换。
  • 2）将古人常用的词汇加入字典。这里就有一个tricky的地方，所谓古人，每个历史时期都有其习惯使用的词汇，所以我们需要对每个时期单独配套字典，同时针对不同的专业书籍，可能也要配套专门的字典。但凡搞分词的同僚们大概都知道“没有最好的分词机，只有最适合的分词机。”这句话，所以如果要达到最好的分词结果，可能需要针对不同的情况使用不同的分词机。
  • 3）对于我的应用而言，我希望通过分词，了解到古代人物之间的关系，这些联系是什么样的关系呢？比如吕祖谦给朱熹的儿子介绍对象，这就是一种关系，朱熹给张栻写墓志铭，而没有给陈亮写，这也是一种关系。也就是说，要通过分词，了解到古人的社会网络关系（婚姻关系、君臣关系、买卖关系等等），以此，自动化的建立一个社会网络（social network）并赋予网络节点他们的关系情况。
  • 4）展开来想，由于CHGIS已经提供了地名、人名的坐标信息，所以我们可以对查找出的地名和人名进行匹配，这样可以很容易的查询到相关信息的地理坐标。

大概先说这么多吧，以后有了新的想法，再和大家交流。

]]> http://www.geoinformatics.cn/2009/10/%e4%b8%ad%e6%96%87%e5%88%86%e8%af%8d%e5%ae%9e%e6%88%98%e4%b8%8e%e6%96%87%e8%a8%80%e6%96%87%e5%88%86%e8%af%8d%e7%9a%84%e5%88%9d%e6%ad%a5%e8%ae%be%e6%83%b3/feed/ 10 人人都说我丑，其实我只是美得不明显。 http://www.geoinformatics.cn/2009/04/%e4%ba%ba%e4%ba%ba%e9%83%bd%e8%af%b4%e6%88%91%e4%b8%91%ef%bc%8c%e5%85%b6%e5%ae%9e%e6%88%91%e5%8f%aa%e6%98%af%e7%be%8e%e5%be%97%e4%b8%8d%e6%98%8e%e6%98%be%e3%80%82/ http://www.geoinformatics.cn/2009/04/%e4%ba%ba%e4%ba%ba%e9%83%bd%e8%af%b4%e6%88%91%e4%b8%91%ef%bc%8c%e5%85%b6%e5%ae%9e%e6%88%91%e5%8f%aa%e6%98%af%e7%be%8e%e5%be%97%e4%b8%8d%e6%98%8e%e6%98%be%e3%80%82/#comments Tue, 14 Apr 2009 06:30:31 +0000 musicman http://www.geoinformatics.cn/?p=990 我越发从大多数程序员觉得丑陋的cmd.exe中找到美感。 也许是ipython让我感受到了这一点。就像geosalon的sunng经常说，“我不是一个在乎外表的人，所以他会选择有内涵的终端而不是倾向于UI的美丑”。

今晚要和大家分享一下用python-gdal和numpy做图像分析的一点小小的总结。比如，我做栅格处理，每个栅格的值域到底在什么范围比较好，换句话说采取什么数据类型会比较恰当。实际工作中，大体上有这么一个思路，比如，表示土地利用分类的栅格数据，用uint8（0～255）比较好而至于其他栅格数据，比如DEM，栅格打分数据，可能用float会比较好。因为我觉得栅格数据尽量要有一定的实际意义，这样一来，使用者也会省去不少力气，减少了误差和计算中的失误。

但是说到python-gdal和numpy的结合还是要注意以下几点，也就是说，在声明数据类型的时候，numpy和gdal用的是不同的声明变量，所以要pay attention一下几个部分,

    #uint8 则表示值域在0～256，如果为浮点型，应该使用numpy.float32
    result = numpy.zeros((height, width), dtype=numpy.uint8)
    for j in range(height):
            for i in range(width):
                if 255 == caresult[j][i]:
                    #设置nodatavalue，一般而言都是设置该值域的最小值，但是uint8最小为0，
                    #所以一般设置为255，而若为float32，则使用值域最小值，
                    #我觉得也可以使用-1，毕竟在我这个应用中不可能有负数出现。
                    result[j][i] = 255
                    continue
                #注意如果要变为整形，则int（number），如果为float32则不需要。
                result[j][i] = int(255*(0.25* road[j][i] + 0.2 * vcity[j][i] + 0.2 * tam[j][i]  + 0.25 * float(caresult[j][i])))
    driver = gdal.GetDriverByName('GTiff')
    #注意这里，gdal.GDT_Float32 对应的是numpy.float32, 而numpy.uint8 对应的是gdal.GDT_Byte
    out = driver.Create("output.tif", width,height, 1, gdal.GDT_Byte)
    outtx = list(ds.GetGeoTransform())
    out.SetGeoTransform(outtx)
    out.SetProjection(ds.GetProjection())
 
    outband = out.GetRasterBand(1)
    #outband.SetNoDataValue(result.band.GetNoDataValue())
    #outband.SetNoDataValue(-1.0), 设置nodatavalue
    outband.SetNoDataValue(255)
    #outdata = result.astype(numpy.float32).tostring()，这个记住就行了。
    outdata = result.astype(numpy.uint8).tostring()
    # gdal.GDT_Byte, gdal.GDT_Float32
    outband.WriteRaster(0, 0, out.RasterXSize, out.RasterYSize, outdata, buf_type=gdal.GDT_Byte)

当时在做这里的时候，尝试过使用 numpy.float 或者numpy.int 都会因为和gdal.GDT_XXX长度不统一的问题产生错误，我不想多实验了，至少我上述两个类型就能解决大部分问题。其他的问题，只要确定一点，那就是说数据类型的长度相同，我想都不会有问题。 同时，还有一点，numpy.uint8 有助于可视化。
Reference:
1) http://www.scipy.org/Tentative_NumPy_Tutorial (This is called upcasting and it’s ruled by the following table. )
2) the sample hillshade.py from python-gdal samples.

]]> http://www.geoinformatics.cn/2009/04/%e4%ba%ba%e4%ba%ba%e9%83%bd%e8%af%b4%e6%88%91%e4%b8%91%ef%bc%8c%e5%85%b6%e5%ae%9e%e6%88%91%e5%8f%aa%e6%98%af%e7%be%8e%e5%be%97%e4%b8%8d%e6%98%8e%e6%98%be%e3%80%82/feed/ 1 没白忙活，初步完成了基于元胞自动机的土地利用模型。 http://www.geoinformatics.cn/2009/04/%e6%b2%a1%e7%99%bd%e5%bf%99%e6%b4%bb%ef%bc%8c%e5%88%9d%e6%ad%a5%e5%ae%8c%e6%88%90%e4%ba%86%e5%9f%ba%e4%ba%8e%e5%85%83%e8%83%9e%e8%87%aa%e5%8a%a8%e6%9c%ba%e7%9a%84%e5%9c%9f%e5%9c%b0%e5%88%a9%e7%94%a8/ http://www.geoinformatics.cn/2009/04/%e6%b2%a1%e7%99%bd%e5%bf%99%e6%b4%bb%ef%bc%8c%e5%88%9d%e6%ad%a5%e5%ae%8c%e6%88%90%e4%ba%86%e5%9f%ba%e4%ba%8e%e5%85%83%e8%83%9e%e8%87%aa%e5%8a%a8%e6%9c%ba%e7%9a%84%e5%9c%9f%e5%9c%b0%e5%88%a9%e7%94%a8/#comments Sun, 05 Apr 2009 21:12:20 +0000 musicman http://www.geoinformatics.cn/?p=973 好久天没有update我的blog，自从二月中旬boss让我做multi-agent  based 土地利用模型以来，一直没有清闲的时间，一会脑子里还要想如何做potiential impact of climate change on transportation， 一会还要去思量如何完善课题组的网站。其实以上两个项目我到不怕，毕竟是有点经验，做起来也驾轻就熟。而这个CA model，对我来说确实花了不少时间来读文献，读python的manual以及很多基于开源GIS的python 类库。不过瞎子摸了半天黑，还好自己算是摸到了那扇门。今天基本上用python做出了CA模型，当然这个模型仅仅是个最基本的部件，包括基于Moore的邻域分析，交通可达性分析，城镇影响的指数衰减模型，然后用一个线性方程来计算转换概率，接着基于tietenburg模型计算每个年度土地cell的转换数量。

最要感谢的是中南大学的张鸿辉，做为我的partner，我们有更加宏伟的计划:-)。同时也要谢谢赵丽源，我们时常讨论关于MAS模型的细节。当然BOSS的seasoned guidance以及我爸妈，minne的关怀也是很重要滴。

下午的时候想做个总结，但是又无从下手，突然想起来读了这些年的圣贤书，其实也没啥长进，如果真的要说出点长进，无非是积累了一些方法论，同时在自己的实践中不停的renew。也许做学问就是这样，给自己设立一个reasonable的目标，并基于自己的方法论来实现它。

]]> http://www.geoinformatics.cn/2009/04/%e6%b2%a1%e7%99%bd%e5%bf%99%e6%b4%bb%ef%bc%8c%e5%88%9d%e6%ad%a5%e5%ae%8c%e6%88%90%e4%ba%86%e5%9f%ba%e4%ba%8e%e5%85%83%e8%83%9e%e8%87%aa%e5%8a%a8%e6%9c%ba%e7%9a%84%e5%9c%9f%e5%9c%b0%e5%88%a9%e7%94%a8/feed/ 1