ArcGIS自定义坐标变换中的方法说明
在10.1里面,一共提供了12种转换的方法,如下:
Ø Geocentric_Translation
Ø Molodensky
Ø Molodensky_Abridged
Ø Position_Vector
Ø Coordinate_Frame
Ø Molodensky_Badekas
Ø NADCON
Ø HARN
Ø NTV2
Ø Longitude_Rotation
Ø Unit_Change
Ø Geographic_2D_Offset
而在10.3里面,增加了一种,就是Null,方法如其名,就是完全没有转换参数,不用输入任何内容。
下面对这13种方法进行简单介绍:
一、地心偏移算法(一种)
方法名称:Geocentric_Translation
说明:地心偏移的算法。 地心变换,也就是三参数计算出dx、dy、dz,平移1次就完成
参数数量:3参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
(注:参数名称有下划线,主要是方便在ArcGIS的python脚本中使用)
二、布尔莎-沃尔夫七参数模型(两种)
方法1
名称:Position_Vector
说明:采用布尔莎-沃尔夫七参数模型, 旋转时针按逆时针定义, 一般欧洲使用
参数数量:7参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
X_Axis_Rotation(单位:度)
Y_Axis_Rotatio(单位:度)
Z_Axis_Rotation(单位:度)
Scale_Difference(单位ppm(百万分之(几),百万分率))
方法2:
名称:COORDINATE_FRAME
说明:布尔莎-沃尔夫七参数模型,旋转角度按顺时针定义,一般在美国使用
参数数量:7参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
X_Axis_Rotation(单位:度)
Y_Axis_Rotatio(单位:度)
Z_Axis_Rotation(单位:度)
Scale_Difference(单位ppm(百万分之(几),百万分率))
三、格网算法(四种)
方法1
方法名称:NADCON
方法说明:格网转换算法,是美国国家大地测量局用一种基于格网的变换方法,在NAD1927和NAD1983及其他地理坐标系统下做变换,彼此相临的州的精度可达0.15米
参数数量:1参数
参数:Dataset_conus
方法2 :
名称:LONGITUDE_ROTATION
说明:美国本土使用的一种格网变换方法
参数数量: 0参数
方法3
方法名称:NTV2
说明:加拿大采用的同NADCON类似的基于格网的方法, 采用了双线性内插的方法来计算点的坐标
参数数量:1参数
参数:Dataset_canada/Ntv2_0
方法4
方法名称:HARN(High Accuracy Reference Network)
说明:美国在更新了测量控制网后,推出了这种格网,其精度可达0.05米
参数数量:1参数
参数:Dataset_alhpgn
四、莫洛琴斯基模型(三种)
方法1
方法名称:MoloDensky
说明:莫洛琴斯基地球模型,是利用垂线偏差计算大地水准面的一种模型,由前苏联地球物理学家、测量学家莫洛琴斯基提出
参数数量:3参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
方法2
方法名称:MoloDensky_Abridged
说明:简化莫洛琴斯基公式计算,用的也是莫洛琴斯基模型,但是简化后,比MoloDensky算法精度稍低
参数数量:3参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
方法3
方法名称:MoloDensky_Badekas
说明:扩展莫洛琴斯基算法,在MoloDensky算法的基础上增加了三个起始坐标,也是ArcGIS所有转换方法中参数最多的。
参数数量:10参数
参数: X_Axis_Translation(单位:米)
Y_Axis_Translation(单位:米)
Z_Axis_Translation(单位:米)
X_Axis_Rotation(单位:度)
Y_Axis_Rotatio(单位:度)
Z_Axis_Rotation(单位:度)
Scale_Difference(单位ppm(百万分之(几),百万分率))
X_Coordinate_of_Rotation_Origin(单位:秒)
Y_Coordinate_of_Rotation_Origin(单位:秒)
Z_Coordinate_of_Rotation_Origin (单位:秒)
五、单位数据转换
方法1:
方法名称:Unit_Change
说明:单纯的数据单位变换,不涉及平移信息
参数数量:0参数
方法2::
方法名称:Geographic_2D_Offset
方法说明:坐标补偿,单纯的坐标数据变换
参数数量:2参数
参数: Longitude_Offset (单位:秒)
Latitude_Offset (单位:秒)
六:其他方法(10.2之后才有的一个选项)
方法名称:Null
说明:不使用任何参数进行转换
最后,总结的结构图如下:
ArcGIS自定义坐标变换中的方法说明的更多相关文章
- 微信小程序自定义组件的使用以及调用自定义组件中的方法
在写小程序的时候,有时候页面的内容过多,逻辑比较复杂,如果全部都写在一个页面的话,会比较繁杂,代码可读性比较差,也不易于后期代码维护,这时候可以把里面某部分功能抽出来,单独封装为一个组件,也就是通常说 ...
- ListView使用自定义适配器的情况下实现适配器的文本和图标控件点击事件执行Activity界面中的方法
ListView使用的是自定义适配器,列表项的布局文件中含有文本和图标,实现文本区域和图标区域的点击事件. 实现思路:在自定义适配器MyArrayAdapter 类型中自定义接口和接口方法,分别设置文 ...
- ListView使用自定义适配器的情况下实现适配器的控件点击事件执行Activity界面中的方法
如果ListView使用的是自定义的适配器,比如MyArrayAdapter extends ArrayAdapter<String> 那么,如何实现适配器中的点击事件执行activity ...
- 向ArcGIS的ToolBarControl中添加任意的windows组建的方法[转]
向ArcGIS的ToolBarControl中添加任意的windows组建的方法[转] Link: http://www.cnblogs.com/mymhj/archive/2012/10/12/27 ...
- WebService中使用自定义类的解决方法(5种)
转自:http://www.cnblogs.com/lxinxuan/archive/2007/05/24/758317.html Demo下载:http://files.cnblogs.com/lx ...
- java中sort方法的自定义比较器写法(转载)
java中sort方法的自定义比较器写法 摘要 在做一些算法题时常常会需要对数组.自定义对象.集合进行排序. 在java中对数组排序提供了Arrays.sort()方法,对集合排序提供Collecti ...
- asp.net core中遇到需要自定义数据包解密方法的时候
最近将公司的项目用.netcore重写, 服务的http外部接口部分收发消息是DES加解密的, 那么在asp.net core mvc的action处理之前需要加入解密这个步骤. 我第一想到的是用fi ...
- Vue中自定义指令的使用方法!
除了核心功能默认内置的指令 (v-model 和 v-show),Vue 也允许注册自定义指令.注意,在 Vue2.0 中,代码复用和抽象的主要形式是组件.然而,有的情况下,你仍然需要对普通 DOM ...
- 坐标系统与投影变换及在ArcGIS桌面产品中的应用
坐标系统与投影变换及在ArcGIS桌面产品中的应用 1.地球椭球体(Ellipsoid) 2.大地基准面(Geodetic datum) 3.投影坐标系统(Projected Coordinate S ...
随机推荐
- 基于python的爬虫流程图(精简版)
网址: https://www.processon.com/view/link/5e1148b8e4b07db4cfa9cf34 如果链接失效,请及时反馈(在评论区评论),博主会及时更新
- 解决: java.io.IOException: 打开的文件过多 的问题
问题 前一阵子公司项目做了一次压力测试, 中间出现了一个问题: 在50多个并发的时候会出现 java.io.IOException: 打开的文件过多 这个异常. 但是在没有并发的时候是不会出现这个问题 ...
- Spring中的控制反转和依赖注入
Spring中的控制反转和依赖注入 原文链接:https://www.cnblogs.com/xxzhuang/p/5948902.html 我们回顾一下计算机的发展史,从最初第一台计算机的占地面积达 ...
- 注意力机制和Seq2seq模型
注意力机制 在"编码器-解码器(seq2seq)"⼀节⾥,解码器在各个时间步依赖相同的背景变量(context vector)来获取输⼊序列信息.当编码器为循环神经⽹络时,背景变量 ...
- dfs--迷宫
题目背景 给定一个N*M方格的迷宫,迷宫里有T处障碍,障碍处不可通过.给定起点坐标和终点坐标,问: 每个方格最多经过1次,有多少种从起点坐标到终点坐标的方案.在迷宫中移动有上下左右四种方式,每次只能移 ...
- lvm镜像卷
镜像能够分配物理分区的多个副本,从而提高数据的可用性.当某个磁盘发生故障并且其物理分区变为不可用时,你仍然可以访问可用磁盘上的镜像数据.LVM在逻辑卷内执行镜像. 系统版本 # cat /etc/ce ...
- lightgbm直方图算法
https://blog.csdn.net/anshuai_aw1/article/details/83040541
- Python筛法求素数
l=[2]m,n=input().split()m=int(m)n=int(n) for i in range(m,n): flag=True for j in l: if i%j==0:#如果当前值 ...
- 谷歌为何要研发新系统在5年内取代Android?
现在的Android系统已经越做越好,体验也愈来愈佳,是唯一能和iOS掰腕子的移动操作系统.而且对于很多智能手机厂商来说,开源的Android为它们节约了太多成本,是不可或缺的基石之一.因此,想必很多 ...
- 洛谷 P2278 [HNOI2003]操作系统
题目传送门 解题思路: 一道没啥思维含量的模拟题,但是个人感觉代码实现不简单,可能是我太弱了,花了我6个小时,3次重写. AC代码: #include<iostream> #include ...