来源：08_10-14_P8-课件.pptx
参考教材：《Python语言程序设计基础（第三版）》
本文件按原课件的章节标题和内容顺序归纳结构，未修改原 PPT。PPT 页码指 PowerPoint 中从 1 开始的幻灯片顺序。
本课件是 GIS 部分的第二份，覆盖 Chapter 3-Geospatial Data（地理空间数据） 与 Chapter 4-Uncertainty（不确定性） 两章。参考教材是 Python 程序设计，不覆盖 GIS 内容，第三节只说明教材能提供的编程基础。
一、整体结构
原课件共 38 页，两章各占一半。归纳为以下 5 个模块。
模块 | 原课件页码 | 页数 | 原课件章节 | 内容范围 |
|---|
章节封面 | 1 | 1 | Chapter 3 | 地理空间数据 |
1. 地理空间与空间实体 | 2–3 | 2 | Chapter 3 | 地理空间定义、空间实体的四个特征、四类空间数据 |
2. 矢量数据与栅格数据 | 4–12 | 9 | Chapter 3 | 点线面、栅格适用场景、栅格存储与对齐、重投影、多波段 |
3. 数据采集、拓扑与文件格式 | 13–25 | 13 | Chapter 3 | 制图实例、数据源分类、采集方法、拓扑关系、栅格与矢量文件格式、Shapefile、地理数据库 |
4. 不确定性 | 26–38 | 13 | Chapter 4 | 不确定性定义、问题概念化、测量误差、代理测量、表示与混合像元 |
二、分节索引
章节封面（第 1 页）
第 1 页为 Chapter 3-Geospatial Data 标题页。
模块 1：地理空间与空间实体（第 2–3 页）
页码 | 内容要点 |
|---|
2 | 地理空间是地球表层及近地表空间，大气圈、水圈、生物圈、岩石圈、土壤圈在此相互作用；地理空间实体是对复杂地理现象的抽象简化，具有 空间位置、属性、时间、空间关系 四个特征 |
3 | 四类空间数据：几何数据（来自地图与实测几何）、像素数据（卫星/航空遥感与摄影测量）、属性数据（实测、文本报告、地图符号描述）、元数据（关于空间数据的数据，如来源、生成时间） |
第 2 页的例子把四个特征串起来：一栋建筑有坐标（位置）、类型（属性）、建成时间（时间）、与道路相邻（空间关系）。
模块 2：矢量数据与栅格数据（第 4–12 页）
页码 | 内容要点 |
|---|
4 | 矢量与要素数据：点是零维、线是一维（可带属性记录）、面是二维 |
5 | 栅格数据：最适合影像与连续表面，例图为美国国家高程数据集的数字高程模型 |
6 | 栅格数据（续）：整幅影像按网格划分，每个格子存一个值 |
7 | 栅格的存储方式：以左上角为原点 (0,0)，按行列号定位像元 |
8 | 栅格对齐：位置与像元值网格必须对齐；两个栅格稍有错位就难以比较，例如 10 m 与 15 m 两种像元大小 |
9 | 栅格对齐与重投影：重投影会引入误差，栅格重投影是“有损”的，栅格数据通常不如矢量精确 |
10 | 多波段栅格：每个像元有多个值，分别表示红、绿、蓝各波段的强度 |
11 | 多波段栅格（续）：多个栅格可以像一层一样叠加处理，每个波段本身就是一个栅格，常用于同一时刻不同传感器的数据 |
12 | 多波段栅格（续）：航空影像就是典型的多波段数据 |
这一模块反复强调的一点是：栅格的值依附于网格，网格一变（错位、重投影、改变像元大小），值就不再可比。
模块 3：数据采集、拓扑与文件格式（第 13–25 页）
页码 | 内容要点 |
|---|
13 | 分析示例之一：用点表示裸土斑块的位置 |
14 | 分析示例之二：用线近似河流的位置 |
15 | 分析示例之三：用面描述土地覆盖 |
16 | 三种表达方式的对比图：同一片地物用点、线、面表示时的差异 |
17 | 数据采集的核心技术：数据源分类——矢量数据（点、线、面）、栅格数据（影像、DEM）、时空大数据（GPS、手机信令） |
18 | 关键采集方法：时空大数据采集（野外测量、交通轨迹如出租车 GPS 与共享单车定位）、地图数字化（手工数字化、手扶跟踪、扫描矢量化）、社会感知（手机信令、人口迁移）、遥感影像处理（辐射校正、几何校正、信息提取） |
19 | 空间数据的拓扑关系：连通与邻接等性质在坐标空间被拉伸（rubber sheeting）后仍不变；拓扑定义了要素如何相互作用，也能帮助发现和防止数字化错误 |
20 | 文件格式：栅格影像格式（JPG、GIF、PNG、TIF）与矢量 GIS 格式（Shapefile、Personal Geodatabase、File Geodatabase） |
21 | Shapefile：ESRI 专用格式，也是多数 GIS 系统的通用格式；由 3–7 个文件组成；依赖老旧的 dBase IV 数据表；慢、体积大、限制多，但仍在广泛使用 |
22 | Shapefile 的特点：只存矢量数据（点、线、面）；一个 Shapefile 只有一个要素类、一套表结构；本质是多个文件的打包；字段名限制在 13 个字符以内 |
23 | 地理数据库（Geodatabase）：一种存储工作空间，可存要素类、栅格、表等；分个人地理数据库与文件地理数据库两类 |
24 | 个人地理数据库：本质是 Microsoft Access 数据库；可存多个图层；图层间容易建立关系；单文件、便于分享；大小限制 2 GB |
25 | 文件地理数据库：Esri 专有格式；容量上限极大，适合存海量数据；能存多种数据类型；实际是一个装满奇怪命名文件的文件夹；发给别人要先压缩整个文件夹 |
第 21–25 页是实操中最常打交道的部分：Shapefile 的 13 字符字段限制、2 GB 上限、以及“文件夹型数据必须先打包”这三点，是交换数据时最容易出错的地方。
模块 4：不确定性（第 26–38 页）
页码 | 内容要点 |
|---|
26 | Chapter 4-Uncertainty 标题页 |
27 | 本章学习目标：定义影响地理数据的不确定性；说明“如何概念化问题”会如何塑造数据采集与分析的选择 |
28 | 不确定性的定义：影响数据质量、影响我们能否相信数据真实反映现实的因素；GIS 数据常被当成“真相”，其实只是真相的一种表达 |
29 | 地理现象不确定性的四个来源：概念化（Conception）、测量（Measurement）、表示（Representation）、分析（Analysis）；另有生态谬误（ecological fallacy） |
30 | 问题的概念化：为关注的现象确定可重复、客观的定义，然后才采集数据；说起来容易做起来难 |
31 | 概念化的例子：“谁是我们的客户”“什么特征定义一个社区”“什么才算湿地”“多少棵橡树、多大密度才算橡树林地而不是草地” |
32 | 理解潜在的权衡：在概括总体与保留个体差异之间取得平衡；先定义关注的特征，再理解概括的局限 |
33 | 测量不确定性：误差来自传感设备的极限（仪器精度、标定、分辨率）与采集时的环境条件（地面状况、噪声） |
34 | 代理测量（measuring by proxy）：明确知道想测什么，但缺少直接测量的手段，于是改为测量与目标相关的量 |
35 | 青蛙栖息地的例子：野外调查耗时，于是用全年各时段的“湿润程度”推断栖息地适宜性；用“适宜栖息地”替代“两栖动物”本身就引入了不确定性 |
36 | 数字化数据的不确定性：数字化时可能与原始数据对不齐；必须知道数据是在什么比例尺下数字化的，才能判断分析结果的可靠范围 |
37 | 表示层面的不确定性：混合像元（mixel）——一个像元里可能包含多种地物（植被、裸地、城市）；分类逻辑（按主导地物？按中心像元？阈值？）会直接改变成图结果 |
38 | 表示的不确定性（续）：数据类型与参数的选择必然对现实做概括；现实极其精细，而栅格每个像元只能存一个值 |
第 29 页给出的是本章的骨架，第 30–38 页分别展开其中三类来源：概念化、测量（含代理测量）、表示。分析层面的不确定性在本课件中没有单独展开。
三、与参考教材的对应
参考教材《Python语言程序设计基础（第三版）》没有 GIS 章节，这里只列教材中可为 GIS 数据处理提供基础的部分：
教材章节 | 教材印刷页码 | 与 GIS 的关系 |
|---|
6.2 列表类型 | 205–210 | 一个要素的属性记录可写成列表；字段批量处理依赖列表操作 |
6.3 字典类型 | 216–220 | 要素 ID 与属性、元数据的键值对应 |
6.4 元组类型 | 211–215 | 点坐标 (x, y) 的表示 |
7.4 一维数据格式化 | 248–253 | 属性表导出为 CSV 再处理 |
7.5 二维数据格式化 | 251–253 | 栅格就是二维数值表，可用二维列表表示 |
8.5.2 第三方库安装 | 286 | 实际操作需 geopandas、shapely、rasterio 等库 |
对应关系总结
GIS 内容教材完全不覆盖：空间实体、拓扑、Shapefile、不确定性，教材里都没有对应章节。
教材只提供数据表示手段：列表、字典、元组和二维数据是把 GIS 数据搬进 Python 的起点。
需要外部资料的部分：拓扑关系的严格定义、Shapefile 的二进制结构、不确定性的定量传播，都要靠课件与 GIS 参考书。
四、课件提到、但本文件未展开的内容
主题 | 课件中的位置 | 说明 |
|---|
四类不确定性的“分析”层面 | 第 29 页列出，正文未展开 | 只讲了概念化、测量、表示三类；误差传播与空间分析中的不确定性留给后续 |
生态谬误 | 第 29 页仅列出名称 | 详细内容在 P9 开头（用少数点代表整个区域导致偏差） |
拓扑规则的具体类型 | 第 19 页只讲性质 | 点—线、线—面、面—面的具体拓扑规则在 P9 第 26–28 页展开 |
坐标系统与投影 | 第 9 页只提到重投影会损失精度 | 系统讲解在 P9 第 4–12 页 |
五、复习时的关键辨析
矢量与栅格不是优劣问题，是适用问题：矢量适合离散、边界明确的地物（道路、行政边界），栅格适合连续表面与影像（高程、遥感影像）。
维度与属性：点是零维、线是一维、面是二维；线可以带属性记录（如道路等级），点通常只是一个位置。
栅格的值依附于网格：同一个地物在 10 m 与 15 m 像元下取值不同；两个栅格错位、或重投影之后，逐像元比较就失去意义。
重投影是“有损”的：矢量重投影只改坐标，栅格重投影要重采样，像元值会被插值改写，因此栅格通常不如矢量精确。
多波段不是“一个栅格有多个值”那么简单：每个波段本身是一个栅格，多波段是多个栅格的堆叠，常用于同一时刻的不同传感器或 RGB 三色。
同一地物的三种表达：点、线、面都能描述一片裸土或一条河，选哪种取决于分析目的和数据的空间分辨率，不取决于哪种“更准确”。
拓扑的价值：连通、邻接这类关系在坐标被拉伸后仍然成立，所以拓扑既能描述要素关系，也能用来检查数字化错误。
Shapefile 的三个硬限制：只存矢量、一个文件一个要素类、字段名最多 13 个字符。
地理数据库的两种类型：个人地理数据库基于 Access、单文件、上限 2 GB；文件地理数据库是一个文件夹、容量极大、分享前必须压缩。
不确定性 ≠ 误差：误差是测量值与真值的差，不确定性是“我们对该数据能代表现实这件事的信任程度”，范围更大。
概念化先于采集：先确定“什么算湿地”“多少棵树算林地”，否则采集到的数据没有统一口径，后面的分析全部失效。
代理测量必然引入偏差：用“湿润程度”代替“两栖动物数量”省了野外调查，但替代物与目标之间的相关性不是完美的。
混合像元的选择会改变结论：按主导地物分类还是按中心像元分类，得到的土地覆盖图不同，甚至整类地物会消失。
六、使用说明
按两章分别复习：第 3 章的关键是“矢量/栅格的区别 + 文件格式的限制”，第 4 章的关键是“不确定性的四个来源”。
联系 P7：P7 第 24–28 页的空间关系（邻接、连通、重叠、邻近）在本课件第 19 页的拓扑部分被再次使用。
注意图片页：第 16、29、33、36、37 页以图为主，文字很少，复习时需要对图理解；本整理依据全部 38 页的图文内容建立索引。
动手验证：Shapefile 的 13 字符字段限制、地理数据库的打包方式，用 QGIS 建一个图层就能立刻体会。
不要依赖教材：GIS 部分教材没有对应内容，需要时查 P7 第 1 页列出的参考书。