これはそれほど古くありません:スキャナーがすぐに利用できなかった80年代に、この問題を正確に解決しなければならなかったことを覚えています。
実際には、地図上の任意の経度線に沿って経度を既に正確に読み取ることができます。これらの測定値を4つの特定のポイント(コーナー)に補間します。緯度についても同じです。したがって、この問題は、任意の輪郭マップ上の輪郭間を補間する特殊なケースです。したがって、投影や測地基準について何も知る必要はありません。
これは単純に行われることになっているため、完全な輪郭を持っているという事実を簡単に活用することはできません。各輪郭に沿っていくつかの離散点を識別して使用するだけで十分です。これにより、問題は次のようになります。
マップ上のポイントのコレクションが与えられ、それぞれに(滑らかに変化する)数値のラベルが付けられ、マップ上の指定された他のポイントの値を推定します。
これを解決するには、マップ自体の座標系を確立する必要があります。座標等値線が等間隔である限り、選択は重要ではありません(相互に垂直である必要さえありません!)これを達成する簡単な方法は、ルーラーを使用して左端(x)からの距離を測定することですマップの下端(y)。 (スキャンした画像がある場合は、ピクセルの行と列のインデックスを使用してください。)
補間は、トレンドをデータに当てはめることで実現できます。
マップを見るだけで(つまり、等高線の局所的な規則的な間隔を観察することで)、線形推定器はかなりうまく機能し、2次推定器はさらに良く機能することがわかります。高次の推定量を使用するのは、おそらくやり過ぎです(そして、あまりにも多くの作業)。2次推定器には、少なくとも6つの制御点が必要です。 推定ポイントの近くにクラスター化されたポイントのコレクションを使用します。これにより、高い精度が保証されます。最小限以上を使用します。これにより、有用なクロスチェックが提供され、エラーの推定値が得られることもあります。
これにより、緯度に対して行われ、各コーナーポイントに対して繰り返され、経度に対して再び繰り返される次の手順が行われます。
コーナーポイントの近くで、関連する等高線に沿って6つ以上のポイントをマークします。いくつかの異なる輪郭レベルを使用します。
マークされたポイントとコーナーポイントで(x、y)を測定します。
マークされた各ポイントでレコード(x、y、dependent value)。
モデルを使用してデータの最小二乗近似を計算します。
(lat or lon) = a + b*x + c*y + d*x*x + e*x*y + f*y*y + error
近似モデルをコーナーポイントの(x、y)値に適用します。
人々は、機械式計算機が利用できるよりもはるかに長い間、最小二乗適合を計算してきました。コンピュータや計算機を実際に使用できない場合は、線形傾向に落ち着き、(簡単な)計算については、1970年以前に発行された回帰に関する教科書を参照してください。または(最良かつ最も簡単な)フル機能の統計パッケージ。後者は、推定の不確実性を評価するための予測間隔を提供できます。
たとえば、この手順を2回適用して、マークされたポイント(経度は赤、緯度は青、隅は黄色)を使用して左上隅で(lat、lon)を見つけます。
わかりやすい変数名を使用して、計算ごとに2つのStata 11コマンドで予測値を取得しました。
regress lat x y c.x#c.y c.x#c.x c.y#c.y if lat!=0
predict lathat
regress lon x y c.x#c.y c.x#c.x c.y#c.y if lon!=0
predict lonhat
コーナーポイントの推定(緯度、経度)は(61.05、-136.80)です。推定誤差は驚くほど大きく(約0.04度)、画面イメージの解像度から予想される約2倍です。これらの等高線は、非常に正確に配置されない場合があります。