XYZ瓦片是一种在线地图数据格式，常见的地图底图如Google、OpenStreetMap 等互联网的瓦片地图服务，都是XYZ瓦片，严格来说是ZXY规范的地图瓦片
ZXY规范的地图瓦片规则如下：将地图全幅显示时的图片从左上角开始，往下和往右进行切割，切割的大小默认为 256*256 像素，左上角的格网行号为 0，列号为 0，往下和往右依次递增，如下图所示：
从整体来说，XYZ瓦片数据结构是一种影像金字塔，如下图所示：
对于用户端的软件来说，所谓浏览XYZ格式的地图，就是根据当前的缩放等级和屏幕显示的地理范围，去服务端加载对应的XYZ瓦片（通常是PNG图片）
首先给出经纬度与XYZ行列号之间的计算公式：
现在解释一下原理
下面是一张OpenStreetMap在zoom等级为2时的瓦片示意图
z 是当前的瓦片等级，就是缩放等级，由上面的图可以看出：z 等级时，共有\(2^z\)个瓦片，x范围为0-\(2^z-1\)，y范围也是0-\(2^z-1\)
首先 x 的计算很简单：
y 的计算就复杂多了：
目的：将纬度从-90度到90度，映射到0到\(2^z\)之间的整数行号上
存在的问题：纬度分布不均匀，XYZ瓦片试图将地图展开为一个正方形（参考上图，本质上就是Web墨卡托投影），然而纬度是中间（赤道）长两极短，如果只是像 x 一样简单的映射，会导致两极的紧凑，赤道附近稀疏
解决方案：将纬度通过一种映射，使其能均匀一点，然后就采用了下面的函数
这个函数图像如下图所示：
根据上面的公式，很容易就把根据经纬度算行列号的函数写出来
function lon2tile(lon, zoom) {
return (Math.floor((lon + 180) / 360 * Math.pow(2, zoom)))
}
function lat2tile(lat, zoom) {
return (Math.floor((1 - Math.log(Math.tan(lat * Math.PI / 180) + 1 / Math.cos(lat * Math.PI / 180)) / Math.PI) / 2 * Math.pow(2, zoom)))
}
事实上，这个网站已经给出了这个公式的各种编程语言的实现：Slippy map tilenames - OpenStreetMap Wiki
根据经纬度计算XYZ瓦片的URL，并加载到浏览器上，核心代码如下
function lon2tile(lon, zoom) {
return (Math.floor((lon + 180) / 360 * Math.pow(2, zoom)));
}
function lat2tile(lat, zoom) {
return (Math.floor((1 - Math.log(Math.tan(lat * Math.PI / 180) + 1 / Math.cos(lat * Math.PI / 180)) / Math.PI) / 2 * Math.pow(2, zoom)));
}
const loadMapByBounds = (minLon, minLat, maxLon, maxLat, zoom) => {
const minTileX = lon2tile(minLon, zoom);
const minTileY = lat2tile(maxLat, zoom); // Y轴是反的，自上而下
const maxTileX = lon2tile(maxLon, zoom);
const maxTileY = lat2tile(minLat, zoom);
for (let x = minTileX; x <= maxTileX; x++) {
for (let y = minTileY; y <= maxTileY; y++) {
loadTile(x, y, zoom); // 加载瓦片
}
}
}
为了简单，这里使用img标签来加载瓦片图，并根据瓦片编号排列，设置对应的偏移值
为了能拖动以浏览全图实现简单的交互，这里还设置了根据鼠标按压后拖动的偏移值来添加对应的偏移值
实现效果如下：
完整代码如下：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Document</title>
<style>
img {
width: 256px;
height: 256px;
}
html,
body {
margin: 0;
padding: 0;
overflow: hidden;
height: 100%;
width: 100%;
}
#map {
position: absolute;
height: 100%;
width: 100%;
overflow: hidden;
border: 1px solid #000;
}
</style>
</head>
<body>
<div id="map"></div>
<script>
function lon2tile(lon, zoom) {
return (Math.floor((lon + 180) / 360 * Math.pow(2, zoom)));
}
function lat2tile(lat, zoom) {
return (Math.floor((1 - Math.log(Math.tan(lat * Math.PI / 180) + 1 / Math.cos(lat * Math.PI / 180)) / Math.PI) / 2 * Math.pow(2, zoom)));
}
// 根据鼠标滚轮缩放地图
let zoom = 2;
document.body.onwheel = (e) => {
if (e.deltaY > 0) {
zoom--;
} else {
zoom++;
}
if (zoom < 0) {
zoom = 0;
return;
}
document.querySelector('#map').innerHTML = "";
// EPSG:3857（Web墨卡托投影） 对应的 WGS84范围：-180.0 ，-85.06，180.0， 85.06，不在这个经纬度范围内，地图会显示异常（没有这个瓦片）
const x1 = lon2tile(-179, zoom);
const y2 = lat2tile(-80, zoom);
const x2 = lon2tile(179, zoom);
const y1 = lat2tile(80, zoom);
const centerX = (x1 + x2) / 2;
const centerY = (y1 + y2) / 2;
for (let y = y1; y <= y2; y++) {
for (let x = x1; x <= x2; x++) {
const img = document.createElement("img");
img.src = `https://a.tile.openstreetmap.org/${zoom}/${x}/${y}.png`;
img.alt = `${zoom}-${x}-${y}`;
img.style.position = "absolute";
img.draggable = false;
// img.style.left = `${(x - x1) * 256}px`;
// img.style.top = `${(y - y1) * 256}px`;
img.style.left = `${(x - centerX) * 256 + 256}px`;
img.style.top = `${(y - centerY) * 256 + 256}px`;
document.querySelector('#map').appendChild(img);
}
}
}
const event = new Event("wheel")
document.body.dispatchEvent(event);
document.body.onmousedown = (e) => {
document.body.style.cursor = "grabbing";
document.querySelector('#map').onmousemove = (e) => {
// 移动地图
const x = e.movementX;
const y = e.movementY;
const map = document.querySelector('#map');
map.childNodes.forEach((img) => {
img.style.left = `${parseInt(img.style.left) + x}px`;
img.style.top = `${parseInt(img.style.top) + y}px`;
});
}
}
document.body.onmouseup = (e) => {
document.body.style.cursor = "default";
document.querySelector('#map').onmousemove = null;
}
</script>
</body>
</html>
本文介绍在tensorflow库中，用于动态调整神经网络的学习率的一种方法——指数衰减ExponentialDecay()策略的参数含义及其具体用法~
本文介绍基于R语言中的UBL包，读取.csv格式的Excel表格文件，实现SMOTE算法与SMOGN算法，对机器学习、深度学习回归中，训练数据集不平衡的情况加以解决的具体方法~
本文介绍基于R语言中的raster包，遍历文件夹，读取文件夹下的大量栅格遥感影像，并逐一对每一景栅格图像加以拼接、融合，使得全部栅格遥感影像拼接为完整的一景图像的方法~
本文介绍基于R语言中的raster包，遍历读取多个文件夹下的多张栅格遥感影像，分别批量对每一个文件夹中的多个栅格图像计算平均值，并将所得各个结果栅格分别加以保存的方法~