Estoy tratando de hacer una comparación objetiva de dos mapas diferentes para la misma región. Por el momento, estoy luchando por definir criterios que me permitan hacer una evaluación desapasionada.
¿Alguien tiene alguna idea sobre cómo hacer esto, o cómo debería enfocar el problema?
Como se puede ver, ninguno de los dos mapas es superior, algunas lagunas en el conjunto azul, otras en el rojo.
Esta respuesta describe un método objetivo para medir discrepancias arbitrarias entre dos conjuntos de datos espaciales. Estas discrepancias pueden incluir desplazamientos de posición, cambios de forma y características presentes en un conjunto de datos pero no en otro. Esta respuesta no no proporcionan ningún medio para determinar cuál es "mejor", porque eso depende de mucho más que los datos y, en particular, depende de para qué se utilizarán los datos.
Una buena base para un gran conjunto de estas mediciones se basa en la Transformación de la distancia euclidiana de cada conjunto de datos. De este modo, se considera que cada conjunto de datos representa una colección de puntos en el plano. Llamemos a estas colecciones B para las características azules y R para los rasgos rojos.
Para cualquier punto x en el plano, la transformada de distancia euclidiana de un conjunto de puntos A calcula el mayor límite inferior de las distancias entre x y A . Podemos pensar que esta transformación crea una "superficie" cuya altura a x es igual a la distancia más corta de x a A . Así, esta superficie tiene valles en todos los puntos de A donde su altura es cero, y se eleva con una pendiente de 1:1 alejándose de A . Está claro que la transformada de distancia determina a su vez A (o técnicamente su métrica cierre que en el caso de los conjuntos de datos del SIG es lo mismo que A ) como el conjunto de todos los puntos a una altura de cero. Así, la transformada de distancia capta completamente toda la información espacial de A que el SIG es capaz de representar.
Esta figura muestra las transformadas de distancia de B (a la izquierda) y R (a la derecha) en pseudorrelieve.
Para comparar B y R y superponer cada una con la transformada de distancia de la otra:
Los valores de la distancia se muestran como colores graduados desde el azul (cerca de 0) hasta el rojo.
El mapa de la izquierda, por ejemplo, muestra los puntos de B y los colorea en función de sus distancias a R . Las funciones de B y R se cambian en el mapa de la derecha.
Ya estos ayudan al ojo a hacer comparaciones: cada mapa muestra los puntos de un conjunto de datos y, por su uso del color, destaca los puntos que están lejos de cualquier punto del otro conjunto de datos. Tenga en cuenta que ambos Los mapas son necesarios para la comparación, porque cada uno muestra puntos que no están en el otro.
En los mapas detallados, el color puede ser difícil de ver, por lo que podemos optar por difuminarlo un poco para su presentación o evaluación visual:
Nota: Los colores no son comparables entre los dos mapas: dentro de cada mapa están escalados para mostrar toda la gama de distancias en ese mapa.
La belleza de este enfoque reside en lo que se puede hacer en el post-procesamiento. Utilizar una trama para representar las transformaciones de distancia y sus superposiciones, podemos obtener fácilmente estadísticas -locales y globales- para medir las discrepancias. Por ejemplo, podríamos centrarnos en todas las distancias mayores que algún pequeño umbral y explorar su distribución de frecuencias:
En este histograma, las barras azules corresponden a las características azules y las rojas a las rojas. (Obsérvese la escala logarítmica en el eje horizontal.) Este histograma muestra los datos originales superpuestos, no los datos borrosos derivados. Se han seleccionado sólo las distancias mayores de tres píxeles en la imagen original.
Estos histogramas muestran que es mucho más probable que los rasgos azules estén lejos de los rojos que viceversa Las barras azules son más altas que las rojas y se extienden a mayores distancias (a la derecha). Ahora se dispone de todo un arsenal de estadísticas descriptivas para cuantificar las diferencias entre los dos conjuntos de datos. Estos estadísticos pueden aplicarse a toda la región de interés o "abrir una ventana" sobre ella para explorar cómo difieren los dos conjuntos de datos según su ubicación.
La mayoría de los SIG ráster proporcionan una transformación de distancia euclidiana (como Distancia euclidiana en ArcGIS y r.crecer.distancia en GRASS), y todos admiten la superposición simple (de enmascaramiento) necesaria para realizar este análisis. El desenfoque, si se desea, puede hacerse con una media de vecindad o una convolución de núcleo (que incluye el "desenfoque gaussiano" disponible en todos los programas de procesamiento de imágenes). La mayoría de los SIG hacen no proporcionan un soporte adecuado para el análisis estadístico completo de los datos rasterizados, pero son buenos para exportar dichos datos en formatos legibles por software estadístico y matemático como R o Mathematica (que hizo todas las cifras aquí).
Dado que es un problema de validación de geometría por lo que parece, cargue las imágenes actuales y vea si puede validar las calles como existentes o como presentes. Es probable que uno de los conjuntos de datos sea más nuevo y/o más completo. Averigüe qué conjunto de datos tiene la mayor precisión horizontal y cuál ha sido recogido más recientemente y mediante qué proceso. ¿Se trata de una diferencia entre tigre, osm, gis y trazas gps? En este caso, las imágenes son las más adecuadas, al menos las más precisas, como las del HAIP, que son recientes. Los criterios pueden ser: integridad, cobertura, precisión, exactitud y actualidad.
Creo que siguiendo con los comentarios y respuestas anteriores (tal vez esto también debería ser un comentario en lugar de una respuesta), pero yo usaría cualquier mapeo que tenga disponible para validar los archivos por comparación visual. Elige las características en las que hay datos trazados precisos disponibles como las redes de carreteras (en Inglaterra, Escocia y Gales está disponible gratuitamente en OS).
Siguiendo con la sugerencia de utilizar google earth e imágenes. Utilice el plugin openlayers para cargar imágenes de satélite en el fondo y comparar de nuevo.
Hay un montón de mapas gratuitos y precisos para usar como base de comparación.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
