转换纬度，经度，以从公里赤道轮距离最近公里

Question

每个坐标我有，我觉得从赤道公里给我两个距离的距离：

from pyproj import Geod 
wgs84_geod = Geod(ellps='WGS84')  
_,_, lon_dist = wgs84_geod.inv(0, 0,lon, 0) 
_,_, lat_dist = wgs84_geod.inv(0, 0,0, lat) 

作为一个全面的检查，我可以重新计算从这些值原来的坐标如下（从赤道承担方向的坐标为（0,0）是北部和西部：

_, new_lat, _ = wgs84_geod.fwd(0,0, 0, lat_dist) 
new_lon, _, _ = wgs84_geod.fwd(0, 0, 90, lon_dist) 

这让我回我开始用相同的坐标

。 10

现在我想找到离我的坐标最近的公里点。我将lon_dist和lat_dist四舍五入到距赤道值的公里。

lat_km_dist = round(lat_dist/1000)*1000 #to nearest km and back to meters 
lon_km_dist = round(lon_dist/1000)*1000 

我得到使用以相同的方式，这些距离坐标之前

_, km_lat, _ = wgs84_geod.fwd(0,0, 0, lat_km_dist) 
km_lon, _, _ = wgs84_geod.fwd(0, 0, 90, lon_km_dist) 

逻辑应该是在同一区域内的多个坐标，任何km_lat之间的最近距离，km_lon对应该一公里。 这在南/北轴线上是正确的，但对于经度来说，距离因我所处的纬度而异。 我附上了两张屏幕截图，以显示km_lat，km_lon坐标由面积为1km的多边形中心的黑色圆圈表示的问题。

我该如何纠正？

Answer 1

什么该算法本质上是这样做的是，它构造一个等距离目（与点1公里开）在赤道上（LAT = 0）与主子午线（LON = 0） 。然后它有效地在椭球上构建一个网格作为这些点的笛卡尔乘积。

但是，纬度/经度坐标不形成笛卡尔框架，由这些网格点产生的结果平行/子午线定义的“方块”的大小不仅取决于特定的经度，还取决于纬度。在完美的球体上，这将在南北方向上起作用，从那时起，lon = 0上的等距（按照大圆距离）网格在纬度上也是等距的（纬度差等于距离上的差球体的半径）。

换句话说，如果固定两个纬度lat1，lat2并从(lat1, lon)特定经度lon举，比如说(lat2, lon)1公里，向西方向，那么这些新获得的积分不会有相同的经度...

我不完全确定你要达到的目标，但如果目标是获得一些不太接近的代表点，那么就大圆距离而言，hierarchical clustering可能会提供合理的结果...

编辑：

作为一个近似的解决方法，你可以得到最有可能离开的选择比(0, 0)另一个参考点 - 新的参考点应该不会太远，你试图描述的区域（类似于感兴趣区域的“左下角”）。如果整个感兴趣区域不覆盖全球的大部分地区（大纬度纬度），那么这些差异将非常小，因此它们在GoogleMaps可视化中可能几乎看不见...

因此，如果您对丹麦感兴趣（通过截图来判断），那么类似以下内容可能会起作用：

lat_ref, lon_ref = 53.637976, 6.694138 

_,_, lon_dist = wgs84_geod.inv(lon_ref,lat_ref, lon, 0) 
_,_, lat_dist = wgs84_geod.inv(lon_ref,lat_ref, 0, lat) 

lat_km_dist = round(lat_dist/1000)*1000 #to nearest km and back to meters 
lon_km_dist = round(lon_dist/1000)*1000 


_, km_lat, _ = wgs84_geod.fwd(lon_ref,lat_ref, 0, lat_km_dist) 
km_lon, _, _ = wgs84_geod.fwd(lon_ref,lat_ref, 90, lon_km_dist)