Este es un posible enfoque: No he probado esto, así que su kilometraje puede variar, pero debería ser bastante factible (pero podría requerir scripting bastante pesado). Estoy empezando a pensar en una dirección similar para algunos proyectos en los que estoy trabajando.
Ingredientes:
- QGIS
- PostGIS (probablemente el mejor medio de almacenamiento para datos relacionales, pero podrían utilizarse otros)
- Python (o quizás R o SQL)
En primer lugar, digitalice sus datos en QGIS - en su mayor parte de forma normal, pero en espacio de píxeles (!). Este es un suave mal uso de GIS que requiere que usted mienta la información de CRS, pero es realmente la mejor herramienta para el trabajo.
Yo almacenaría los datos como objetos geométricos en una base de datos PostGIS (con un ID único por imagen), pero también se podrían utilizar otras soluciones (¿archivos shape por imagen?). (Sin embargo, PostGIS funciona excepcionalmente bien con QGIS...) Puedes entonces codificar tus puntos DGPS a la misma imagen también, y quizás tener una tabla de "imagen" que contenga la altura de tu sección medida.
A partir de esto, puedes escribir un script que somete a cada geometría a una transformación afín, mapeando las coordenadas de los píxeles a ubicaciones en el espacio "real" en una cuadrícula de coordenadas ligada a tus ubicaciones DGPS y a la profundidad. Básicamente, mapeas cada esquina de la imagen a un par (ubicación, profundidad) y ajustas tus datos entre ellos. No voy a entrar en las matemáticas aquí, pero mi respuesta aquí debería dar la imagen general.
Yo lo haría utilizando un script de Python (con el sqlalchemy y geoalchemy2 ), pero debería ser posible con un script (tendría que tener las dimensiones en píxeles de la imagen en su base de datos). A continuación, puede escribir estos datos en otra columna de Geometría (o shapefile) en el sistema de referencia de coordenadas de su elección. Esto le dejará con geometrías (x,y,z) en un formato digerible por el SIG.
Este es un método bastante práctico, sin duda, pero creo que te dejaría mucho espacio para personalizar, y una tubería a través de la cual puedes volver a transformar tus datos a medida que digitalizas más información.
