Posiadanie wszechstronnej wiedzy specjalistycznej w zakresie GIS czasami nie wystarcza, aby w pełni zrozumieć niektóre koncepcje nauki o GIS. Aby dodać do tego, nie jestem też matematykiem.
Biorąc to pod uwagę, czy ktokolwiek byłby w stanie zaoferować dziecku wyjaśnienie Root-Mean-Square-Error (RMSE) podczas georeferencji obrazu na mapie bazowej? Po wykonaniu tej operacji tysiąc razy, moim jedynym zmartwieniem było po pierwsze znalezienie lokalizacji na mapie docelowej, które również znajdują się na mapie podstawowej. Używając zdrowego rozsądku jako narzędzia, zwykle znajdowałem kościoły, stare budynki i podobne obiekty, które są bardzo stabilnymi strukturami i nie poruszałyby się w różnicy czasu między mapą bazową a obrazem docelowym. Po umieszczeniu jak największej liczby punktów pasujących, spojrzałbym na tabelę statystyk i albo ponownie wykonałem punkty pasujące z wysokim RMSE, albo je usunąłem, aby ogólny wynik RMSE stał się tak niski, jak to możliwe.
Teraz wiem, że rmse jest obliczeniem błędu statystycznego, ale zawsze mnie wkurzyło, że czasami jestem w 100% pewien, że punkty pasujące są bardzo dokładnie umieszczone na obrazach ... np. na wieży kościelnej lub innej stabilnej strukturze, która jest obecna zarówno na obrazie docelowym, jak i mapie bazowej, ale rmse jest nadal wysoki. Dlatego byłbym w stanie zmienić punkty pasujące do lokalizacji, która jest dalej od struktury odniesienia (tj. Uczynić transformację wizualną mniej dokładną) w celu zmniejszenia rmse! Wydaje mi się to paradoksem, ponieważ zmniejszałbym wizualną dokładność operacji w celu zwiększenia dokładności statystycznej.
Czasami całkowicie ignoruję rmse, ponieważ WIDZĘ, że po operacji georeferencji mapa odniesienia i obraz docelowy bardzo dobrze się wyrównują ... tj. Wszystkie punkty przejścia znajdują się dokładnie na właściwym miejscu na obu mapach.
Czy ktoś mógłby mi zaproponować lepsze proste wyjaśnienie, czy robię tu coś zasadniczo nie tak?
