पृष्ठभूमि यह मेरा दूसरा सवाल है, जो अलग-अलग समन्वय प्रणालियों पर और अन्य डेटा परतों के साथ संयोजन के रूप में उन्हें फिर से कल्पना करने के लिए, नंगे रेखापुंज मानचित्रों को सम्मिलित करने के लिए है। पिछला प्रश्न QGIS प्रोजेक्ट में एक मनमाना मेटा-डेटा-मुक्त मानचित्र छवि में कनवर्ट करना है
समस्या मेरा लक्ष्य इस नक्शे को भूतावेश करना है:
यह प्लेट-कैरी प्रतीत नहीं होता है। इसलिए QGIS में, मैंने कई उचित नियंत्रण बिंदु बनाए, जो पूर्णता के लिए मैंने नीचे [संलग्न: 1] से जुड़े हैं। मैं अपनी परियोजना फ़ाइल के रूप में QGIS Georeferencer को एक ही लक्ष्य SRS प्रदान करता हूं, EPSG: 4326। मुझे हेल्मर्ट और बहुपद परिवर्तनों के साथ असाधारण खराब परिणाम मिलते हैं, लेकिन पतली प्लेट तख़्ता के साथ एक उचित छवि मिलती है (जो मेरे नियंत्रण बिंदुओं के माध्यम से परिणामी भू-दृश्य बनाता है)। हालांकि, यहां तक कि यह परिणाम खराब है, उदाहरण के लिए, उच्च अक्षांश पर (जापान के उत्तर में रूसी तट) देखें। यह एक प्राकृतिक पृथ्वी पृष्ठभूमि का उपयोग करते हुए मेरी QGIS स्क्रीन का एक स्क्रीनशॉट है।
वैकल्पिक पथ मैंने MapWarper में बहुत आसान-से-उपयोग उपकरण के साथ एक समान व्यायाम की कोशिश की: http://mapwarper.net/maps/758#Preview_Map_tab पर परिणाम और नियंत्रण बिंदु देखें जहां मुझे खराब परिणाम मिलते हैं (शायद इस तथ्य के कारण मैंने कम नियंत्रण बिंदु जोड़े)।
संक्षेप में प्रश्न
- वहाँ किसी भी चालें मैं एक अच्छा georeference प्राप्त करने के लिए याद कर रहे हैं?
- क्या यह प्रक्षेपण तुरन्त पहचानने योग्य है?
- पर अज्ञात वर्ष ड्राइंग पर निर्देशांक प्रणाली ,
gdaltransformएक कई लक्ष्य एसआरएस में कई समन्वय अंक को बदलने के लिए, वास्तव में मूल नक्शा बनाने में उपयोग किए प्रक्षेपण मापदंडों को उजागर करने के लक्ष्य के साथ सुझाव दिया है। मैं कुछ इस तरह की कोशिश की: अंकों की मेरी QGIS सूची सहेजने के बाद, मैं-अलग जगह कुछ स्ट्रिंग की एक सूची प्राप्त करने के लिए प्रसंस्करण किया लंबे / लाट्स के माध्यम सेcat eurasian-steppe-gcp.points | tail -n+2 | cut -d, -f1-2 | sed 's/,/ /'> tmp.txtऔर gdaltransform में परिणामी फ़ाइल इनपुट:gdaltransform -s_srs EPSG:3785 -t_srs EPSG:4326 < tmp.txtऔर स्विचिंगs_srsऔरt_srsझंडे (परियोजना EPSG: 4326 का उपयोग करता है)। मुझे पता है कि मैं अंधेरे में शूटिंग कर रहा हूं, भाग्यशाली होने की उम्मीद कर रहा हूं, इसलिए मुझे आश्चर्य नहीं हुआ जब मैं आउटपुट का अर्थ नहीं बना सका। क्या कोई इस बारे में विस्तार कर सकता है कि मैं स्रोत मानचित्र के प्रक्षेपण और प्रक्षेपण मापदंडों का सबसे अच्छा अनुमान खोजने के लिए इस पद्धति का उपयोग कैसे करूंगा? इसके पीछे मेरी सोच यह है कि एक अच्छे भू-विक्षेपण के लिए असंख्य नियंत्रण बिंदु रखने के साथ खिलवाड़ करने के बजाय, कम नियंत्रण बिंदुओं के साथ निकट-पूर्ण भू-मंडली प्राप्त करना आसान हो सकता है, बस सभी सामान्य समन्वय प्रणालियों के माध्यम से लूपिंग? क्या यह परीक्षण के तहत प्रत्येक सीआरएस के लिए अन्य सभी के खिलाफ प्रत्येक बिंदु का क्रॉस-सत्यापन शामिल है?
मैं या तो इस एल्गोरिथ्म या जियोफेरेंसिंग की समझ प्राप्त करना चाहता हूं, ताकि मैं इस प्रक्रिया को स्वचालित कर सकूं --- मैं हर समय इस मुद्दे पर चलता हूं, और जब तक सामग्री निर्माता अपने नक्शे को एकतरफा बनाने के लिए इलाज करना बंद कर देते हैं, तब तक एकीकृत नहीं किया जा सकता है। अन्य सामग्री के साथ, मुझे रोकने की उम्मीद नहीं है।
संदर्भ
[Ref: 1] QGIS GCP फाइल:
mapX,mapY,pixelX,pixelY,enable
142.632649100000009,54.453595900000003,505.941176470588232,-95.220588235293974,1
154.934252200000003,59.559921699999997,536.411764705882206,-52.779411764705742,1
80.080158100000006,9.657192300000000,291.558823529411711,-322.661764705882206,1
10.448442600000000,57.819128900000003,21.676470588235190,-103.926470588235134,1
34.007173000000002,27.761438299999998,101.117647058823422,-244.852941176470466,1
50.950890399999999,11.862196600000001,171.852941176470495,-313.955882352941046,1
29.713217199999999,60.024133200000001,90.779411764705799,-92.499999999999829,1
60.000000000000000,0.000000000000000,208.308823529411683,-362.382352941176350,1
69.867506500000005,66.639146199999999,224.088235294117567,-33.191176470588061,1
27.276107100000001,71.049154799999997,89.147058823529306,-21.764705882352814,1
140.000000000000000,0.000000000000000,536.955882352941217,-362.926470588235190,1
20.000000000000000,0.000000000000000,43.441176470588132,-362.926470588235190,1
20.196882700000000,31.243024100000000,47.249999999999901,-231.794117647058698,1
9.171861099999999,42.848309999999998,8.073529411764603,-175.205882352941046,1
131.955786100000012,43.196468600000003,481.999999999999943,-162.691176470588090,1
73.813303700000006,45.169367200000003,256.735294117646959,-161.602941176470438,1
50.602731800000001,44.589102900000000,168.044117647058727,-167.588235294117510,1
121.394975900000006,18.941421099999999,455.882352941176407,-284.029411764705742,1
103.987047000000004,1.417439300000000,389.499999999999943,-357.485294117646959,1
109.325478599999997,55.962283100000001,380.249999999999943,-98.485294117646902,1
31.454010100000001,46.562001500000001,95.132352941176379,-158.882352941176322,1
43.639560299999999,68.844150499999998,137.573529411764611,-40.264705882352814,1
गैर अद्यतन
वैन डेर ग्रिंटन का विश्लेषण मैंने किसी भी प्रक्षेपण के लिए जीसीपी को फिट करने के लिए एक पायथन उपकरण लिखा था जो कि प्रोज 4 (पाइप्रोज के माध्यम से) का समर्थन करता है और जवाब में सुझाए गए अनुमानों के जोड़े पर लागू होता है। स्रोत कोड (कुछ मैला, मैं पहले से माफी माँगता हूँ) और साथ ही अद्यतन GCPs https://github.com/fasiha/steppe-map पर उपलब्ध हैं
वैन डेर ग्रिंटन के पास ट्यून करने के लिए केवल 1 पैरामीटर है, और यहां परिणामी छवि (ब्रिटानिका से नवीनतम छवि का उपयोग करते हुए, इस तरह के उच्च-Res और अपडेट किए गए नक्शे को देने के लिए उनके लिए बहुत धन्यवाद) (हालांकि यह अभी भी प्रक्षेपण डेटा का अभाव है)।
वैन डेर ग्रिंटन के पास जीसीपी और सर्वश्रेष्ठ-फिट अंक के बीच 0.035 की सापेक्ष त्रुटि है, जो मैंने कोशिश की गुच्छा का सबसे खराब है, और कोस्टलाइन ओवरले गुणात्मक रूप से बाहर है।
(यदि आप इस छवि को अपने टैब में खोलते हैं, तो यह काफी उच्च-रिज़र्व हो सकता है। आपको हरे रंग के तीर भी दिखाई देंगे जो जियोफेरेंस पॉइंट्स इंगित करते हैं (उन्हें छवि पर महत्वपूर्ण स्थानों से मेल खाना चाहिए) और साथ ही लाल तीर से संकेत मिलता है कि उन बिंदुओं पर कहाँ के लिए फिट हैं (वे समुद्र तट के उपरिशायी पर समान स्थलों से मेल खाना चाहिए) --- दोनों के बीच विचलन आंख को छवि और फिट के बीच अंतर देखने में मदद कर सकता है।)
समान क्षेत्र का विश्लेषण समान क्षेत्र के प्रक्षेपण के साथ एक ही चीज की कोशिश करना (जो कि "एल्बर्स के अनुरूप कॉनिक" के समान है? मेरी अज्ञानता के लिए खेद है)। यह फिट, एक 4-आयामी पैरामीटर शामिल है, बेहतर है, 0.025 के सापेक्ष त्रुटि के साथ, लेकिन फिर भी बहुत खराब दिखता है।
रॉबिन्सन और एकर्ट वी अनुमानों का विश्लेषण मैं Pyproj द्वारा समर्थित pseudocylindrical अनुमानों के सभी फिट बैठता है (सभी जो मुझे मिल सकता है कि एक मुक्त पैरामीटर था) और पाया कि रॉबिन्सन और एकर्ट वी अनुमानों के बीच सापेक्ष त्रुटि के मामले में "सबसे अच्छा" किया 0.015 की सापेक्ष त्रुटियों के साथ, GCPs और फिट किए गए बिंदु।
यहाँ रॉबिन्सन है:
और यहाँ एकर्ट वी।
छवि के समुद्र तट से लगे हुए तट के विचलन पर ध्यान दें। मुझे लगता है कि इसके साथ मैं यह निष्कर्ष निकाल सकता हूं कि नक्शा उपरोक्त में से कोई नहीं है?
विंकेल यात्रा: संभव समाधान?
क्रमिक रूप से 1990 (अद्यतन 2003) से इस प्रोज मैनुअल में हर प्रक्षेपण की कोशिश करने के बाद, ftp://ftp.remotesensing.org/proj/OF90-284.pdf आखिरकार मैं विंकेल यात्रा प्रक्षेपण के लिए आया। यह सबसे कम मात्रात्मक त्रुटियों (0.011) का उत्पादन करता है और समुद्र तट समान रूप से काफी अच्छा है (या समतुल्य, समान रूप से थोड़ा खराब)। मैंने पढ़ा कि यह नेशनल ज्योग्राफिक सोसायटी का प्रक्षेपण है, जिसका अर्थ है कि यह प्रसिद्ध है, और यह ब्रिटानिका के नक्शे के लिए इस प्रक्षेपण की उम्मीदवारी के लिए वजन जोड़ता है। फिट एसआरएस +units=m +lon_0=47.0257707403 +proj=wintri:।
(समुद्र तट के रंग को ग्रे में बदलने के लिए क्षमा याचना। यदि यह किसी को भी प्रभावित करता है, तो मैं एक नीले संस्करण का उत्पादन कर सकता हूं।)
मैं अपने जीसीपी को कम करने की कोशिश करूंगा और त्रुटि को कम करूंगा।
