Kesalahan root mean square (RMS) yang diterima secara umum untuk memperbaiki peta topografi

12

Ini adalah penyelidikan umum pada praktik umum / standar untuk menentukan nilai-nilai RMS yang dapat diterima ketika melakukan georeferensi peta topografi. Apakah ada nilai absolut?

Beberapa literatur menyarankan bahwa itu harus "kurang dari atau sama dengan 1/2 dari sisi sel yang membentuk resolusi total gambar."

georeferencing accuracy Maning
sumber

Jawaban:

22

Tidak, tidak ada nilai absolut untuk RMS , karena itu tergantung pada kualitas peta yang di-georeferensi, kualitas peta target (basis), dan tujuan dari georeferensi. Secara khusus, setiap saran yang menghubungkan RMS dengan cellsize salah informasi, karena cellsize mencerminkan presisi dalam representasi digital dari suatu gambar sedangkan kesalahan RMS mencerminkan akurasi rata-rata (dengan asumsi basemap sangat akurat). Meskipun ketepatan dan ketepatan yang membedakan mungkin tampak seperti tujuan tanpa tujuan, membingungkan mereka adalah kesalahan mendasar dengan konsekuensi praktis.

Semua ini agak kabur, jadi mari kita lihat contoh spesifik. Baru-baru ini saya menerima serangkaian screenshot peta yang menunjukkan lokasi sampel tanah. Untuk mendapatkan koordinat, saya berencana untuk melakukan georeferensi tangkapan layar ini ke peta dasar ortofoto dan kemudian mendigitalkan titik-titik tersebut dengan digitalisasi head-up. Di antara pertimbangan tersebut adalah:

  1. Peta dasar ortofoto memiliki ukuran sel 0,3 m.
  2. Tangkapan layar memiliki ukuran sekitar 2 m.
  3. Lokasi sampel tanah tidak disurvei; mereka ditempatkan "dengan mata" pada peta ketika sampler berada di lapangan. Klien memperkirakan keakuratan sekitar 3 m, tetapi 10 m lebih mungkin.
  4. Tangkapan layar memiliki beberapa detail yang tajam: mereka sebagian besar garis kontur, dengan garis-garis halus sesekali (yang tidak terlihat jelas dalam ortofoto). Dengan demikian, membangun banyak tautan yang baik akan memakan waktu dan rawan kesalahan.
  5. Kemungkinan ada beberapa distorsi lokal dalam tangkapan layar, yang berarti bahwa akurasi tinggi (RMS rendah) hanya dapat dicapai dengan transformasi kompleks.
  6. Penting untuk mendigitalkan lokasi sampel tanah sehingga jarak relatif cukup akurat untuk titik-titik terdekat, tetapi akurasi mutlak tidak diperlukan, karena salah satu hasil dari penelitian ini adalah untuk mendapatkan lebih banyak sampel tanah yang disempurnakan dan menjadikan survei pendahuluan ini lebih tepat.

Untuk mendapatkan RMS setengah dari ukuran sel yang lebih besar akan membutuhkan transformasi polinomial tingkat tinggi atau membengkokkan kisi-kisi titik, menyerukan untuk membangun jaringan sekitar 50 - 100 tautan yang baik antara gambar: satu hingga beberapa jam kerja yang hati-hati, sebagian besar mungkin, mengingat sulitnya menemukan tautan yang terlihat. Untuk mendapatkan RMS setengah dari ukuran sel yang lebih kecil akan membutuhkan urutan lebih banyak usaha: hari kerja. Namun, untuk keperluan penelitian, RMS 5 m akan lebih dari cukup. Ini dicapai dengan 7 tautan dan transformasi affine, hanya beberapa menit. Perhatikan bahwa RMS ini beberapa kali lebih besar dari yang lebih besar dari dua cellsizes dalam gambar.

Contoh ini menggambarkan betapa membabi buta mengikuti aturan praktis yang buruk bisa mahal . Pertama-tama perhatikan sasaran kualitas data Anda; semuanya mengikuti dari mereka.

whuber
sumber
1
Benar. Tidak ada pengganti untuk pengetahuan dan intuisi spesifik domain. Tidak pernah berhenti membuat saya takjub sebagai seorang programmer bahwa apa yang seharusnya menjadi masalah ideal untuk GIS modern, masih sangat banyak seni yang ompomputable. Keterampilannya benar-benar tidak berubah dalam 100 tahun terakhir ketika beberapa percikan terang berpikir tentang melesat kamera ke pesawat terbang. Itu bukan untuk meremehkan maning atau pertanyaannya dengan cara apa pun, tetapi ada alasan mengapa penafsir foto udara dari kedua perang dunia sangat terlatih dan mengapa keterampilan itu sama relevannya dengan zaman sekarang.
MerseyViking
1
Whuber jawaban yang sangat baik! Saya cukup banyak mengikuti apa yang Anda katakan dan contoh spesifik yang Anda kutip cukup banyak berhasil. @MerseyViking, saya pikir pertanyaannya sangat relevan karena banyak rekan jatuh ke dalam aturan praktis ini.
Maning
jawaban yang sangat bagus, tapi saya tidak setuju pada kenyataan bahwa RMSE mencerminkan akurasi murni. Ini memang menggabungkan varians (presisi) dari estimator dan biasnya (akurasi).
radouxju
@radouxju saya setuju: terima kasih atas klarifikasi.
whuber
4

Buku terdekat yang harus saya sampaikan: Sistem Informasi Geografis dalam Arkeologi mengatakan "tergantung pada skala peta dan tujuan penempatannya", tetapi merekomendasikan untuk membuat kesalahan kurang dari 1: 3000, jadi jika peta asli adalah 1: 15000, maka RMSE 5m atau kurang akan diterima. Tentu saja kurang dari 1/2 piksel akan menjadi berlebihan, tetapi akan menyenangkan untuk dimiliki.

Jika Anda menggabungkan lebih dari satu peta, maka RMSE final akan menjadi akar kuadrat dari jumlah masing-masing RMSEs, jadi jika satu peta resolusi tinggi tidak berperilaku, tetapi res yang lebih rendah adalah, maka itu mungkin bukan layak menghabiskan waktu untuk mendapatkan yang pertama agar lebih baik.

MerseyViking
sumber
+1 Poin bagus. Pembenaran untuk 1: 3000 harus berakar pada kebutuhan studi arkeologi yang khas. Aturan itu tidak akan diterjemahkan ke bidang yang tidak terkait.
whuber
3

Pertanyaan Anda memiliki jawaban yang selalu saya tanyakan.

kurang dari atau sama dengan 1/2 dari sisi sel yang membentuk resolusi total gambar

Ini adalah aturan praktis. Dalam kehidupan nyata, kadang-kadang saya harus kurang akurat dari ini karena berbagai alasan:

  • Tidak layak untuk mencapai level ini, dengan jumlah ubin yang harus Anda koreksi.
  • Proyek tidak memerlukan keakuratan yang dinyatakan oleh aturan-aturan ini (yaitu Penggunaannya adalah untuk proyek strategis dan tidak ada pengukuran yang dilakukan dari output.
  • Tidak mungkin mencapai ini karena ketidakmampuan untuk merencanakan cukup banyak titik kontrol percaya diri.
Simon
sumber