Das ist nicht so altmodisch: Ich erinnere mich, dass wir genau dieses Problem in den 80er Jahren lösen mussten, als wir keine Scanner zur Verfügung hatten und Koordinaten und Höhen von großformatigen gedruckten Karten für die geostatistische Analyse heben mussten.
Tatsächlich können Sie den Längengrad bereits genau entlang einer beliebigen Längengradlinie auf der Karte ablesen. Sie möchten diese Messungen auf vier bestimmte Punkte (die Ecken) interpolieren. Das Gleiche gilt für den Breitengrad. Daher ist dieses Problem ein Sonderfall der Interpolation zwischen Konturen in einer beliebigen Konturenkarte . Daher müssen Sie nichts über die Projektion oder das Datum wissen, um dies zu tun.
Da dies einfach gemacht werden soll, können wir die Tatsache, dass wir volle Konturen haben, nicht einfach ausnutzen. Es ist ausreichend, einige diskrete Punkte entlang jeder Kontur zu identifizieren und diese zu verwenden. Dadurch entspricht das Problem dem Folgenden:
Gegeben ist eine Sammlung von Punkten auf der Karte, die jeweils mit einem (gleichmäßig variierenden) numerischen Wert gekennzeichnet sind, um den Wert an einem anderen festgelegten Punkt auf der Karte zu schätzen.
Um dies zu lösen, müssen wir ein Koordinatensystem für die Karte selbst erstellen. Die Auswahl spielt keine Rolle, solange die Koordinatenisolinien gleichmäßig verteilt sind (sie müssen nicht einmal senkrecht zueinander stehen!). Ein einfacher Weg, dies zu erreichen, besteht darin, die Abstände von der linken Kante (x) und mit dem Lineal zu messen untere Kante (y) der Karte. (Wenn Sie ein gescanntes Bild haben, verwenden Sie einfach die Zeilen- und Spaltenindizes der Pixel.)
Die Interpolation kann durch Anpassen eines Trends an die Daten erreicht werden.
Wir wissen, dass ein linearer Schätzer ziemlich gut und ein quadratischer Schätzer sogar noch besser funktioniert, wenn wir nur die Karte betrachten (dh indem wir die örtlich regelmäßigen Abstände der Konturen beobachten). Es ist wahrscheinlich übertrieben (und zu viel Arbeit), einen Schätzer höherer Ordnung zu verwenden. Ein quadratischer Schätzer benötigt mindestens sechs Kontrollpunkte. Verwenden Sie eine Ansammlung von Punkten, die in der Nähe des Schätzpunkts zusammengefasst sind. Dadurch wird eine hohe Genauigkeit sichergestellt. Verwenden Sie mehr als das Minimum: Dies bietet nützliche Gegenprüfungen und kann sogar zu Fehlerschätzungen führen.
Dies führt zu der folgenden Prozedur , die für den Breitengrad durchgeführt und für jeden Eckpunkt wiederholt und dann für den Längengrad noch einmal wiederholt wird:
Markieren Sie mehr als sechs Punkte entlang der relevanten Konturlinien in der Nähe eines Eckpunkts. Verwenden Sie mehrere unterschiedliche Konturebenen.
Messen Sie (x, y) an den markierten Punkten und am Eckpunkt.
Zeichne (x, y, abhängiger Wert) an jedem markierten Punkt auf.
Berechnen Sie die Anpassung der kleinsten Quadrate der Daten mithilfe des Modells:
(lat or lon) = a + b*x + c*y + d*x*x + e*x*y + f*y*y + error
Wenden Sie das angepasste Modell auf den Wert (x, y) für den Eckpunkt an.
Die Menschen haben die kleinsten Fehlerquadrate weitaus länger berechnet als die verfügbaren mechanischen Taschenrechner. Wenn Sie wirklich keinen Computer oder Taschenrechner zur Verfügung haben, geben Sie sich mit einem linearen Trend zufrieden und lesen Sie für die (einfachen) Berechnungen jedes Lehrbuch über Regression, das vor 1970 veröffentlicht wurde. Andernfalls können Sie die Anpassung mit einem Grafik-Taschenrechner, einer Kalkulationstabelle, oder (am besten und einfachsten) jedes statistische Paket mit vollem Funktionsumfang. Letzterer kann Ihnen ein Vorhersageintervall zur Verfügung stellen , um die Unsicherheit in den Schätzungen zu bewerten.
Zum Beispiel , bewerben ich mich um dieses Verfahren zweimal (lat, lon) zu finden in der linken oberen Ecke der markierten Punkte (rot für Länge, blau für die Breite, gelb für die Ecke) mit:
Unter Verwendung offensichtlicher Variablennamen erhielt ich die vorhergesagten Werte mit zwei Stata 11-Befehlen für jede Berechnung:
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
Die geschätzte (lat, lon) des Eckpunktes ist (61.05, -136.80). Der geschätzte Fehler ist überraschend groß (ungefähr 0,04 Grad) und ungefähr doppelt so hoch wie ich es von der Auflösung des Bildschirmbildes erwarten würde. Diese Konturlinien sind möglicherweise nicht sehr genau platziert.