같은 지역에 대해 서로 다른 두 개의지도를 객관적으로 비교하려고합니다. 현재 저는 불쾌한 평가를 할 수있는 기준을 정의하는 데 어려움을 겪고 있습니다.
이 작업을 수행하는 방법이나 문제에 어떻게 접근 해야하는지에 대한 아이디어가 있습니까?
보시다시피,지도는 우수하지 않습니다. 파란색 세트에 약간의 틈이 있고, 빨간색에 약간의 간격이 있습니다.
같은 지역에 대해 서로 다른 두 개의지도를 객관적으로 비교하려고합니다. 현재 저는 불쾌한 평가를 할 수있는 기준을 정의하는 데 어려움을 겪고 있습니다.
이 작업을 수행하는 방법이나 문제에 어떻게 접근 해야하는지에 대한 아이디어가 있습니까?
보시다시피,지도는 우수하지 않습니다. 파란색 세트에 약간의 틈이 있고, 빨간색에 약간의 간격이 있습니다.
답변:
이 응답은 두 공간 데이터 세트 사이의 임의 불일치를 측정하는 객관적인 방법을 설명합니다. 이러한 불일치에는 위치 이동, 모양 변경 및 한 데이터 세트에는 있지만 다른 데이터 세트에는없는 피처가 포함될 수 있습니다. 이 회신 은 "더 나은"방법을 결정하는 수단을 제공 하지 않습니다. 왜냐하면 그 방법은 단순한 데이터 이상의 것이 아니라 특히 데이터의 용도에 달려 있기 때문입니다.
이러한 일련의 측정을위한 좋은 토대 는 각 데이터 세트 의 유클리드 거리 변환 에 의존합니다 . 이는 각 데이터 세트를 평면의 점 모음을 나타내는 것으로 간주합니다. 이 컬렉션 B 를 파란색 기능으로, R 을 빨간색 기능으로 부르겠습니다 .
평면의 모든 점 x 에 대해 점 세트 A 의 유클리드 거리 변환은 x 와 A 사이의 거리의 가장 큰 하한을 계산합니다 . 우리는이 변환을 x 에서 높이 가 x 에서 A 까지의 가장 짧은 거리와 같은 "표면"을 만드는 것으로 생각할 수 있습니다 . 따라서,이 표면의 모든 점에서 계곡 갖는다 얻어 1 기울기 : 높이가 제로이며, 1에서 상승 를 . 거리 변환이 차례로 A (또는 기술적으로 미터법 폐쇄 )를 결정한다는 것이 분명합니다. GIS 데이터 세트의 경우 A 와 동일합니다 .)는 높이가 0 인 모든 점의 집합입니다. 따라서 거리 변환 은 GIS가 나타낼 수있는 A의 모든 공간 정보를 완전히 캡처합니다 .
이 그림은 의사 릴리프에서 B (왼쪽)와 R (오른쪽)의 거리 변환을 보여줍니다.
B 와 R 을 비교하려면 서로의 거리 변환으로 각각 오버레이하십시오.
거리 값은 파란색 (0 근처)에서 빨간색까지 색상이 눈금으로 표시됩니다.
예를 들어 왼쪽지도는 B 의 점을 표시하고 R 과의 거리에 따라 색을 지정합니다 . B 와 R 의 역할은 오른쪽 맵에서 전환됩니다.
이미 비교를하는 데 도움이됩니다. 각지도는 한 데이터 세트의 포인트를 표시하고 색상을 사용하여 다른 데이터 세트의 어느 포인트와도 멀리 떨어진 포인트를 강조합니다. 참고 모두 각각의 프로그램이 다른에없는 점 때문에지도가, 비교를 위해 필요하다.
자세한지도에서는 색상을보기 어려울 수 있으므로 프리젠 테이션 또는 시각적 평가를 위해 약간 흐리게 표시 할 수 있습니다.
주의 : 두지도의 색상은 비교할 수 없습니다. 각지도 내에서 해당지도의 전체 거리 범위를 표시하도록 크기가 조정됩니다.
이 방법의 장점은 후 처리에서 수행 할 수있는 작업에 있습니다. 래스터 를 사용 하여 거리 변환 및 해당 오버레이를 나타내면 로컬 및 글로벌 통계를 쉽게 얻어 불일치를 측정 할 수 있습니다. 예를 들어, 작은 임계 값보다 큰 모든 거리에 초점을 맞춰 주파수 분포를 탐색 할 수 있습니다.
이 히스토그램에서 파란색 막대는 파란색 기능에 대한 것이고 빨간색 막대는 빨간색 기능에 대한 것입니다. (수평 축의 로그 스케일에 유의하십시오.)이 히스토그램은 미분 희미한 데이터가 아니라 원래의 오버레이 된 데이터를 보여줍니다. 원본 이미지에서 3 픽셀보다 큰 거리 만 선택했습니다.
이 히스토그램은 파란색 피처가 빨간색 피처보다 그 반대의 경우 보다 훨씬 더 가능성이 높다는 것을 보여줍니다 . 이제 두 데이터 세트 간의 차이를 정량화하기 위해 설명 통계를 모두 사용할 수 있습니다. 이 통계는 관심 지역 전체에 적용되거나 그 범위를 "윈도우"하여 두 데이터 세트가 위치에 따라 어떻게 다른지 탐색 할 수 있습니다.
대부분의 래스터 GIS는 Euclidean 거리 변환 (예 : ArcGIS의 EuclideanDistance 및 GRASS의 r.grow.distance )을 제공하며,이 분석을 수행하는 데 필요한 간단한 (마스킹) 오버레이를 모두 지원합니다. 원하는 경우 주변 평균 또는 커널 컨볼 루션 (모든 이미지 처리 소프트웨어에서 사용 가능한 "가우시안 블러"포함)으로 블러 링을 수행 할 수 있습니다. 대부분의 GISes는 않습니다 되지 그러나 래스터 데이터의 전체 통계 분석을위한 적절한 지원을 제공하지만이 같은 통계와 수학 소프트웨어에서 읽을 수있는 형식으로 이러한 데이터를 수출에서 좋은 있습니다 R
또는 매스 매 티카 (모든 수치 여기를했다).
위의 의견과 답변 (다음은 답변이 아닌 의견이어야 함)에서 다음을 생각하지만 시각적 비교를 통해 파일을 검증하는 데 사용할 수있는 매핑을 사용합니다. 도로 네트워크와 같은 정확한 도표 데이터가있는 기능을 선택하십시오 (영국 스코틀랜드 및 웨일즈에서는 OS에서 무료로 제공).
Google 어스 및 이미지 사용 제안에 따라 openlayers 플러그인을 사용하여 위성 이미지를 백그라운드로로드하고 다시 비교하십시오.
무료 기반의 많은 무료지도가 비교를위한 기반으로 사용됩니다.