地理信息係統理論與應用叢書：智能式GIS與空間優化 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

黎夏，劉小平，李少英 著

圖書標籤:

• GIS
• 空間分析
• 空間優化
• 智能GIS
• 地理信息係統
• 算法
• 優化模型
• 空間數據挖掘
• 城市規劃
• 遙感

齣版社： 科學齣版社

ISBN：9787030267672

版次：1

商品編碼：12228090

包裝：平裝

叢書名： 地理信息係統理論與應用叢書

開本：16開

齣版時間：2010-02-01

用紙：膠版紙

頁數：275

字數：408000

正文語種：中文

內容簡介

　　《智能式GIS與空間優化》提齣較完整的智能式GIS的概念，並係統地介紹智能式GIS的實現方法。首先對人工智能的發展曆史進行迴顧，探討人工智能與GIS的內在聯係，介紹人工智能的基本原理、方法以及應用領域，對人工智能的一般算法進行描述。
　　《智能式GIS與空間優化》的特色是詳細地介紹空間知識發現、地理模擬、空間優化與決策三大方嚮的研究內容，建立較完整的基於點、綫和麵的空間優化模型，提齣模擬與優化耦閤的實現方法，並初步設計基於耦閤的地理模擬優化係統。
　　《地理信息係統理論與應用叢書：智能式GIS與空間優化》以城市演變、土地利用變化以及地理空間分異等復雜地理現象的模擬為例，探討基於多種人工智能算法（包括遺傳算法、神經網絡算法、蟻群智能算法、人工免疫係統）的智能元胞自動機和多智能體在城市演變規律等方麵的應用，並詳細介紹遺傳算法、粒子群算法、蟻群智能算法和地理元胞自動機等人工智能算法與GIS的集成研究，及其在基礎設施選址與空間優化等復雜問題中的應用。
　　《地理信息係統理論與應用叢書：智能式GIS與空間優化》適閤於從事GIS的高校教師和科研所研究人員；GIS專業以及城市規劃等相關專業的研究生；計算機應用科學專業的研究生；參加GIS研究生入學考試的學生。

作者簡介

　　黎夏，中山大學教授。1983和1986年於北京大學分彆獲學士和碩士學位、1996年於香港大學獲博士學位。為著名國際刊物International Journal of Cengraphkal Inforrnafion Science、Computers、Environment and Urhan Systems、Environment and Planning編委。對城市擴張與農田流失、土地利用變化模擬與優化進行瞭係統研究。針對資源環境復雜多變的特點，係統地將智能化方法引入到地理模擬優化模型中。建立瞭以過程為核心的地理模擬優化係統（CeoSOS）理論框架及實現方法。共發錶200多篇學術論文，這些研究成果發錶在地理學報、中國科學、Internationnal Journal of Geographical Information Science等刊物上，其中在UCIS發錶和接納論文共13篇。
　　
　　劉小平，中山大學副教授，“百人計劃”引進人纔，教育部新世紀人纔支持計劃人選者。主要從事地理模擬、空間智能及優化決策方麵的研究，先後完成50多篇論文，SCI收錄21篇，EI收錄4篇，齣版專著2部。2009年獲得第十屆全國青年地理科技奬，為該次獲奬者中*年輕的地理科技工作者。
　　
　　李少英，中山大學管理學院博士。研究方嚮為CIS與決策支持，主要從事空間智能及優化決策方麵的研究，代錶作包括“城市軸嚮擴展時空過程模型與測度”等論文。

目錄

前言

第1章 智能式GIS的提齣
1．1 GIS概述
1．1．1 GIS的定義
1．1．2 GIS的組成
1．1．3 GIS的基本功能
1．1．4 GIS的發展
1．2 智能式GIS的提齣
1．3 智能式GIS的定義
1．4 智能式GIS的發展前景
參考文獻

第2章 計算機人工智能
2．1 人工智能的概述
2．1．1 人工智能的定義
2．1．2 人工智能的研究目標
2．1．3 人工智能的主要成就
2．1．4 人工智能對社會各領域的影響
2．2 人工智能的發展曆史
2．2．1 人工智能誕生的曆史背景
2．2．2 人工智能的誕生
2．2．3 人工智能的發展
2．3 人工智能的發展現狀和展望
2．4 人工智能的基本原理和方法
2．5 人工智能主要應用領域
2．5．1 自動定理證明
2．5．2 模式識彆
2．5．3 專傢係統
2．5．4 機器學習
2．5．5 智能決策支持係統
參考文獻

第3章 人工智能一般算法
3．1 人工神經網絡
3．1．1 BP神經網絡
3．1．2 Hopfield神經網絡
3．2 遺傳算法
3．2．1 概述
3．2．2 遺傳算法的基本組成
3．3 免疫算法
3．3．1 自然免疫係統簡介
3．3．2 免疫算法
3．4 群體智能算法
3．4．1 粒子群優化算法
3．4．2 蟻群算法
參考文獻

第4章 GIS與人工智能的結閤
4．1 GIS有關應用領域
4．1．1 城市與區域規劃
4．1．2 資源管理與利用
4．1．3 環境監測與保護
4．1．4 商業規劃與分析
4．2 GIS與人工智能結閤的必要性和可行性
4．2．1 空間知識分析智能化
4．2．2 地理模擬智能化
4．2．3 空間優化與決策的智能化
4．3 人工智能在GIS中的研究熱點
4．3．1 專傢係統與GIS
4．3．2 進化計算與GIS
4．3．3 神經計算與GIS
參考文獻

第5章 智能式GIS與空間知識發現
5．1 基於數據挖掘的元胞自動機與空間知識發現
5．1．1 數據挖掘及地理元胞自動機
5．1．2 實驗區及空間數據
5．1．3 CA轉換規則的自動挖掘
5．1．4 模擬結果及檢驗
5．1．5 結論
5．2 基於生物群集智能優化的遙感分類方法
5．2．1 粒子群算法的基本原理
5．2．2 基於粒子群的遙感分類方法
5．2．3 影像分類實驗
5．2．4 結論
5．3 基於蟻群智能的遙感分類方法
5．3．1 蟻群算法的基本原理
5．3．2 基於蟻群智能的遙感分類模型
5．3．3 影像分類實驗
5．3．4 結論
參考文獻

第6章 智能地理模擬與優化
6．1 地理模擬工具：元胞自動機和多智能體
6．1．1 元胞自動機
6．1．2 多智能體係統
6．2 基於CA的智能元胞自動機與城市模擬
6．2．1 基於GA的CA模型參數獲取及城市形態調控模擬
6．2．2 模型應用及結果分析
6．2．3 結論
6．3 基於ANN的智能元胞自動機與土地利用變化模擬
6．3．1 基於ANN和GIS的CA模型
6．3．2 應用及模擬結果
6．3．3 結論
6．4 基於ACO與元胞自動機的智能式地理模擬
6．4．1 基於蟻群智能算法的地理元胞自動機
6．4．2 基於蟻群智能的地理元胞自動機
6．4．3 模型應用及結果
6．4．4 模型驗證與對比
6．4．5 結論
6．5 基於AIS的智能元胞自動機與規劃情景模擬
6．5．1 AIS的基本原理
6．5．2 AIS自動獲取CA的轉換規則
6．5．3 基於AIS和元胞自動機的城市規劃模型
6．5．4 模型應用及結果
6．5．5 珠江三角洲城市群的規劃情景模擬
6．5．6 結論
6．6 基於分析學習的智能元胞自動機與城市演變模擬
6．6．1 邏輯迴歸模型
6．6．2 分析學習模型
6．6．3 應用及模擬結果
6．6．4 驗證
6．6．5 結論
6．7 基於多智能體的地理空間分異現象模擬
6．7．1 基於多智能體的居住空間分異模型
6．7．2 實現與模擬結果
6．7．3 結論和討論
6．8 基於多智能體的土地利用空間格局演變模擬
6．8．1 基於多智能體的城市土地利用變化模擬模型
6．8．2 模型及應用
6．8．3 模型的檢驗
6．8．4 結論
參考文獻

第7章 空間優化與決策
7．1 智能式GIS與空間點狀地物優化
7．1．1 基於城市擴張模擬的基礎設施優化模型
7．1．2 基於GA的空間優化模型
7．1．3 基於GA的農田生物質能集約利用優化模型
7．1．4 基於ACA（蟻群智能算法）的大區域優化選址模型
7．1．5 基於PSO（粒子群算法）的區域選址優化模型
7．2 智能式GIS與空間綫狀地物優化
7．3 智能式GIS與空間麵狀地物優化
7．4 基於耦閤的地理模擬優化係統
7．4．1 引言
7．4．2 地理模擬優化係統
7．4．3 結論
參考文獻

彩圖

前言/序言

　　自從地理信息係統（Geographical Information System，GIS）於20世紀60年代在加拿大誕生以來，GIS技術經曆瞭40多年的快速發展。GIS從原來局限於土地測繪等政府部門的小範圍應用，到現在被各學科、各行業部門和企業的廣泛使用。其發展趨勢也經曆瞭從強調“係統”本身的功能，到強調推動技術發展的“科學”，到現在的為大眾普及“服務”的側重點的轉移。
　　但是，隨著GIS在地理學及其他領域應用的深入，對GIS的空間分析功能提齣瞭更高的要求。由於空間信息的日益豐富和空間決策問題的日益復雜，在GIS的應用中，我們遇到瞭許多新的睏難和障礙。首先，GIS儲存瞭大量的空間數據，隱藏瞭許多有用的信息，需要高級的空間分析工具纔能提取齣這些有用信息；另外，GIS不僅應該提供簡單的查詢和顯示的功能，也應該提供對許多地理過程進行深入分析的工具，包括解決復雜的資源配置和優化等問題。許多地學現象屬於動態的復雜係統，地理係統的復雜性導緻地理問題具有非綫性、不確定性和模糊性等特徵。地理係統的動態性決定瞭地理實體和地理現象都不是一成不變的，而是隨著時間、空間的變化而不斷變化。而且導緻這些變化的影響因子具有很大的不確定性，很難用嚴格的數學公式和有規律的規則來錶示。傳統的GIS通過對地理數據的處理、分析和模擬，能夠解決復雜地理問題中確定性的問題。但是無法解決地學中的非綫性、不確定性和模糊性的問題。因此，僅靠傳統的GIS方法處理復雜地理空間問題，具有很大的局限性，無法解決動態復雜係統多因素、多層次以及非綫性的問題。
　　近年來，人工智能獲得瞭迅速的發展，在許多科學領域取得瞭豐碩的成果，已發展成為一門極具挑戰性、得到廣泛重視和普遍認可並具有廣闊發展前景和應用潛能的學科。我們認為，人工智能與GIS結閤起來，必定會大大提高目前GIS空間分析的能力，為對許多復雜的非綫性自然係統的分析提供瞭重要的分析工具。因此，我們嘗試在智能式GIS方麵進行瞭係統的研究，提齣瞭較完整的智能式GIS的概念及實現方法。在書中，我們提到瞭GIS應用的三大前沿方嚮，包括空間知識發現、地理模擬以及空間優化與決策，這三個方嚮的應用研究能夠涵蓋地理學中許多復雜的空間問題。首先，空間知識發現就是從海量數據中自動挖掘齣有用信息，並對這些信息進行空間分析，從而找齣相關的地理知識和地理規律。在當今空間數據呈爆炸式增長的時代，空間知識發現在GIS應用中具有非常重要的地位，它是獲取新的地理知識和地理規律的重要途徑，也是解決復雜空間決策問題的前提和重要依據。另外，地理模擬係統是探索和分析地理現象的格局形成和演變過程的有效工具，能夠幫助揭示復雜地理動態現象的形成規律並對其發展方嚮及演化過程進行有效的預測，在城市擴張、土地利用變化、環境管理和資源的可持續利用等研究中得到廣泛的應用。而空間優化與決策也是當今GIS應用一個非常重要的方嚮，它是資源環境管理、規劃和利用需要解決的問題。

深度剖析：現代測繪技術與空間數據管理前沿探索 本書名稱：《地理信息係統理論與應用叢書：智能式GIS與空間優化》 圖書簡介： 本書係“地理信息係統理論與應用叢書”中的重要一捲，聚焦於地理信息科學（GIS）領域近年來最引人矚目的兩大核心議題：“智能式GIS”的理論構建與前沿應用，以及復雜空間問題的優化求解範式。它並非對現有GIS基礎知識的簡單復述，而是深入探討如何利用新興信息技術，特彆是人工智能、大數據分析和高性能計算，來驅動傳統GIS嚮更高維度的智能化、自動化和服務化轉型。 本書結構嚴謹，內容深入，旨在為GIS、測繪工程、城市規劃、環境科學及相關領域的科研人員、高級工程師和研究生提供一份兼具理論深度和實踐指導意義的前沿參考。 --- 第一部分：智能式GIS的理論基礎與架構重塑 (The Theoretical Foundations and Architectural Redesign of Intelligent GIS) 在信息爆炸的時代背景下，傳統基於規則和靜態模型的GIS已難以應對海量、異構、動態的時空數據的實時處理需求。本部分緻力於構建智能式GIS的理論框架，探討如何將機器學習、深度學習和知識圖譜技術深度融入到GIS的各個層麵。 第一章：時空數據的語義化與知識驅動 本章深入探討如何突破傳統矢量和柵格數據的局限性，實現對地理現象的深層語義理解。重點介紹基於自然語言處理（NLP）和計算機視覺技術對地理文本、遙感影像、社交媒體簽到點等非結構化數據進行地理編碼和知識抽取的方法。闡述如何構建多層級、自適應的地理知識圖譜（Geo-Knowledge Graph），實現地理實體間的復雜關係推理，為上層應用提供結構化的知識支撐。討論瞭知識圖譜在土地利用變化檢測、城市功能區識彆中的應用案例及其局限性。 第二章：深度學習在地理空間建模中的突破 聚焦於深度學習模型，如捲積神經網絡（CNN）、循環神經網絡（RNN）及其變體（如LSTM、Transformer）在處理高維時空數據流中的潛力。詳細分析瞭生成對抗網絡（GAN）在閤成高分辨率遙感數據、填補缺失觀測值方麵的技術細節。討論瞭圖神經網絡（GNN）在建模社交網絡、交通流、生態係統網絡等非歐幾裏得空間結構數據中的獨特優勢和模型設計原則。重點闡述瞭如何應對時空數據中的尺度效應與異質性問題，構建具有自適應特徵提取能力的深度學習模型。 第三章：認知地圖與人機交互的未來 本章探討智能式GIS如何從“工具”邁嚮“認知夥伴”。內容涵蓋情境感知計算（Context-Aware Computing）在GIS中的實現，即係統如何理解用戶所處的具體環境、曆史偏好和實時目標，從而主動提供決策支持。介紹瞭基於自然用戶界麵（NUI）的GIS交互範式，包括語音識彆、手勢控製和增強現實（AR）技術在現場勘測與規劃可視化中的融閤應用，強調瞭人機協同決策的理論模型構建。 --- 第二部分：空間優化的理論演進與算法創新 (Evolution of Spatial Optimization Theory and Algorithm Innovation) 空間優化是GIS的核心價值之一，本部分超越瞭經典的運籌學模型，引入瞭計算智能、啓發式算法及大規模並行計算，以解決現實世界中日益復雜的資源配置、路徑規劃和設施選址問題。 第四章：復雜係統下的多目標空間決策 本章係統梳理瞭多目標優化理論在地理空間問題中的應用，如城市多維度可持續發展評估、環境影響最小化與經濟效益最大化的權衡。重點介紹瞭帕纍托優化（Pareto Optimization）在處理相互衝突的空間約束條件下的應用框架。詳細對比瞭經典綫性規劃、整數規劃與現代啓發式方法（如遺傳算法、模擬退火）在處理大規模離散空間變量時的性能差異和適用場景。 第五章：高性能計算與實時空間優化 隨著城市規模的擴大和數據量的激增，傳統單機優化算法的計算瓶頸日益凸顯。本章著眼於分布式計算架構，如基於MapReduce和Spark的地理空間數據處理框架。探討瞭如何將大規模優化問題分解為並行子任務，利用GPU加速技術對高分辨率柵格數據的空間分析和迭代優化過程進行加速。重點介紹瞭實時動態優化的理論，即係統如何在分鍾級乃至秒級的時間尺度內，根據突發事件（如交通擁堵、自然災害）動態調整最優解。 第六章：麵嚮網絡拓撲的智能路徑與流分配 本章專注於交通網絡、管網、物流鏈等網絡空間結構中的優化問題。深入分析瞭動態最短路徑（DSP）的算法改進，特彆是針對時間依賴性網絡（T-VRP）的求解策略。引入強化學習（Reinforcement Learning, RL）模型，用於訓練智能體在復雜交通環境中學習最優的實時路徑選擇策略，以最小化整體網絡延遲或能耗。討論瞭網絡魯棒性分析在優化模型中的嵌入，確保最優解在麵對網絡故障時的有效性。 --- 第三部分：前沿應用與集成案例分析 (Frontier Applications and Integrated Case Studies) 本部分將前述理論與技術應用於當前GIS研究的前沿領域，展示智能式GIS和空間優化在解決重大社會和環境問題中的實際效能。 第七章：智慧城市中的資源優化配置 案例研究集中在城市基礎設施的智能化管理。探討瞭基於實時能源消耗數據的智能電網負荷預測與優化調度模型。分析瞭如何結閤人口流動數據和公共服務設施分布，利用智能式GIS進行動態應急資源（如醫療、消防）的最優預部署，以最小化平均響應時間。 第八章：環境遙感與生態係統智能監測 本章展示深度學習在海量高光譜和多源遙感數據中的智能解譯。重點介紹瞭利用GNN模型對森林健康度、水體汙染擴散進行時空預測，並結閤空間優化算法，設計最優的無人機巡檢路徑以最高效率獲取關鍵區域的監測數據。 第九章：麵嚮決策支持的綜閤評估平颱構建 本書最後總結瞭智能式GIS的集成化平颱構建思路，強調將知識圖譜、深度學習分析模塊與高性能優化求解器封裝成模塊化的服務（GIS as a Service, GaaS）。通過一個綜閤性的城市韌性評估案例，演示如何利用全流程的智能分析與優化，為城市管理者提供前瞻性、可量化的決策支持方案。 本書結構層次分明，從底層理論的革新到頂層應用的集成，為讀者提供瞭一個全麵、深入、富有啓發性的視角，以理解和駕馭下一代地理信息係統的發展方嚮。其內容聚焦於“智能”和“優化”的交叉前沿，是GIS領域研究者不可多得的專業參考書。

評分☆☆☆☆☆

最近因為工作需要，我開始深入瞭解地理信息係統（GIS）的最新發展，尤其是關於智能技術在GIS領域的應用。一直以來，我都對傳統GIS在處理海量空間數據時效率的局限性有所體會，而“智能式GIS”這個概念似乎為解決這些難題提供瞭一個令人興奮的視角。我非常期待能有一本能夠係統性地介紹智能GIS理論框架、核心技術，以及這些技術如何實際應用於解決復雜空間問題的書籍。比如，我想知道在城市規劃、環境監測、交通管理等領域，人工智能算法（如機器學習、深度學習）是如何被整閤進GIS平颱，從而實現更精準的預測、更智能的決策支持的。我希望能在這本書中看到一些具體的案例分析，瞭解這些智能化的GIS係統是如何提升工作效率，降低運營成本，甚至帶來前所未有的創新應用。同時，對於“空間優化”這個部分，我抱有極大的興趣。在資源分配、選址分析、路徑規劃等方麵，如何運用智能算法來找到最優解，是實際工作中經常遇到的挑戰。我希望本書能提供一些行之有效的空間優化模型和方法，並結閤實際數據進行演示，讓我能夠學以緻用，解決我目前在工作中遇到的瓶頸。如果這本書能深入淺齣地講解這些前沿技術，並提供可操作的指導，那對我來說將是極大的幫助。

評分☆☆☆☆☆

作為一名對地理空間數據分析充滿熱情的研究者，我一直在尋找能夠引領我探索GIS領域新邊界的書籍。特彆是“智能式GIS”這個方嚮，它預示著GIS將從一個數據管理和可視化工具，演變成一個能夠自主學習、自我優化的智能係統。我對書中關於智能算法在空間數據挖掘、模式識彆、時空預測等方麵的應用有著濃厚的興趣。我希望能夠瞭解到，例如，如何利用深度學習模型來自動提取地理要素，如何通過強化學習來優化城市交通流量，或者如何運用自然語言處理技術來分析海量的地理文本信息。此外，“空間優化”作為本書的另一個重要組成部分，更是我關注的焦點。在許多復雜的現實問題中，如物流配送網絡的優化、公共設施的最佳布局、自然災害風險的最小化等，都需要高效的空間優化技術。我渴望瞭解書中是否會介紹一些先進的優化算法，例如遺傳算法、模擬退火算法，或者更具前瞻性的基於AI的優化方法，並能提供相關的理論基礎和實現細節。如果書中能夠包含一些實際問題的數學模型構建、算法設計以及結果解釋的完整流程，那將是非常寶貴的學習資源，能夠極大地提升我解決科研問題的能力。

評分☆☆☆☆☆

我是一名在地理信息科學領域工作的工程師，日常工作涉及大量的空間數據處理和分析。近年來，我越來越感受到傳統GIS工具在麵對日益增長的數據量和復雜性時，效率和智能化水平的不足。因此，我非常期待能夠閱讀一本關於“智能式GIS”的書籍，它能夠幫助我理解如何將人工智能技術，特彆是機器學習和深度學習，有效地集成到GIS工作流程中，從而提升數據處理的自動化程度和分析的智能化水平。我希望書中能夠詳細闡述智能GIS的核心概念，如空間感知智能、認知GIS等，並介紹一些具體的算法和模型，例如用於圖像識彆的捲積神經網絡，用於聚類分析的DBSCAN算法，以及用於預測的時序模型等。同時，我對“空間優化”這一部分的內容同樣抱有高度的期待。在實際工程應用中，我們經常需要解決諸如最優選址、最短路徑、區域劃分等問題。我希望這本書能夠提供一些實用的空間優化方法和模型，例如多目標優化、約束優化等，並能結閤實際工程案例，演示如何利用這些技術來解決具體問題，從而提高項目的效率和經濟效益。我期待這本書能夠為我提供一些可以直接應用於實際工作中的方法和技巧。

評分☆☆☆☆☆

在接觸和學習GIS的過程中，我始終對如何讓GIS係統變得更“聰明”充滿好奇。我一直認為，GIS的未來在於與人工智能的深度融閤，而“智能式GIS”正是這一趨勢的集中體現。我希望這本書能夠為我打開一扇全新的視角，讓我瞭解到智能GIS是如何通過機器學習、深度學習等技術，實現對空間數據的更深層次理解和更智能化的應用。我特彆希望能看到一些關於如何構建智能GIS模型，例如如何利用自然語言處理技術來解析和理解地理相關的文本信息，如何利用計算機視覺技術來自動識彆和提取遙感影像中的地理要素，以及如何利用專傢係統或知識圖譜來增強GIS的推理和決策能力。此外，“空間優化”這個詞匯也深深吸引瞭我。我希望書中能夠深入探討如何利用智能算法來解決各種空間優化問題，比如如何在復雜的地理環境中找到最佳的資源分配方案，如何設計最高效的交通網絡，或者如何規劃最經濟閤理的物流配送路綫。我期望能夠在這本書中找到關於這些問題的理論框架、算法原理以及實際應用案例，從而能夠激發我在研究和實踐中更多的創新靈感。

評分☆☆☆☆☆

作為一個地理學專業的學生，我對GIS的理解隨著學習的深入而不斷拓展。我深知GIS不僅僅是地圖製作工具，它更是連接現實世界與數字世界的橋梁。而“智能式GIS”這個概念，在我看來，正是將GIS的能力推嚮瞭一個全新的高度。我希望本書能夠深入淺齣地講解智能GIS背後的理論支撐，例如，它如何藉鑒瞭人工智能的哪些理論，又如何創新性地將這些理論應用於空間數據的分析。我希望能夠瞭解到，當我們在談論“智能”時，具體是指GIS在哪些方麵實現瞭突破，比如，是否能夠實現對未知空間模式的自動發現，是否能夠對復雜的地理現象進行更精準的預測，或者是否能夠提供更具個性化的空間信息服務。而“空間優化”作為一個更具體的應用方嚮，更是讓我充滿期待。我希望書中能夠詳細介紹如何利用智能算法來處理和解決實際生活中的空間優化問題，比如，如何為城市發展規劃最閤理的公共設施布局，如何為環境保護製定最優的資源利用策略，或者如何為災害應急響應設計最高效的救援路綫。我渴望能夠在這本書中找到能夠指導我進行相關研究的思路和方法。

評分☆☆☆☆☆

書還沒看，希望內容有用，物流很快

評分☆☆☆☆☆

大部分和第一版相同的，這版增加練習

評分☆☆☆☆☆

沒有光盤，而且換瞭一次貨依然沒有。

評分☆☆☆☆☆

沒有光盤

評分☆☆☆☆☆

好書，值得推薦給大傢當參考書

評分☆☆☆☆☆

學ArcGIS必備經典圖書，特彆詳實

評分☆☆☆☆☆

嗯，收到瞭。可以

評分☆☆☆☆☆

希望店傢以後對自己的商品上點心，尤其是包裝和客服，買之前看評論就感覺書肯定會有破損，由於急需京東次日達，也隻能忍受，但這不是賣傢不作為的理由

評分☆☆☆☆☆

，，，，，，，，