nixintel 网站上有一道限时挑战，从一张照片中图片中推理出拍摄者所在酒店。
其中有一篇很有意思，感觉很有意思，就寻找到原文翻译贴了出来。
大意翻译如下：
这篇文章将说明我如何从10月30日开始解决Tilman Wagner的挑战。
不得不承认，这是迄今为止我所遇到的最困难的Quiztime挑战。
当然，挑战的结果并重要，重要的是您在此过程中所学到的东西，而我更是通过这次挑战学到了很多东西。下面是这张挑战照片：
除照片外拍摄者额外提供的信息如下：
1，天空中的飞机是从伦敦飞往香港的波音747
2，该照片摄于2019年10月30日。
3，拍摄者在旅馆里。
挑战问题是确定拍摄者所在的酒店，在解决这个根本问题前，还有很多其他问题去解决。
除开给出的信息外，照片中也有一些有帮助的信息：
1，天气晴朗，晴天。
2，阴影表示太阳可能在拍摄者后面。
3，飞机在天空中的位置。这将至关重要。
如果您尝试通过反向图像搜索解决此问题，那么您很不走运。图片中的建筑物毫无特色，无法与任何反向图像搜索相匹配。我尝试过分块查找匹配，但很不幸运，也失败了。
我还检查了拍摄者的Twitter账户，以查看他10月30日的动向，但很不幸运，同样失败了。如果你尝试查找拍摄者在此之前所到过的地方，你会发现他去过的地方很多。他经常性在德国，但有时在阿尔巴尼亚，甚至有去蒙古。试图通过猜测寻找到他照片拍摄城市是毫无意义的。
规划方法：缩小范围
那么从哪里开始呢？我可以从寻找可能要花很长时间从寻找建筑物开始，也可以只有一些表面信息的飞机开始。
与往常一样，解决此类地理位置难题的最佳方法是从头开始，然后变得越来越小。
从理论上讲，这张照片几乎可以在世界任何地方拍摄，但是通过识别越来越多的信息，限制参数就变得越来越严格，直到确定特定建筑物为止。
刚开始会有点复杂，但是只要知道飞机的日期和路线，就有可能寻找到拍摄者在所看向的建筑物。
该建筑物可能在世界任何地方（这是一个最安全的假设……），但我们也知道它在伦敦和香港之间的飞行路线上。立刻，这意味着它不在北美或南美，非洲或大洋洲。它必须位于欧洲，中亚或亚洲本身。这看起来毫无帮助，但是其实它已经将可能的位置范围缩小了很多，其剔除的范围超出了您的想象。
我们同时也知道拍照时间是在白天。这意味着一旦确定了飞机，就可以确定路线，在知道路线后，便可以明确的知道任何给定时间里飞机的位置，以及当时的所在位置是白天还是黑夜。因而首要目的是识别飞机。
确定飞机
前面信息提醒我们，该航班是10月30日从伦敦飞往香港波音747-8F。
为了锁定飞机，我们需要知道当天伦敦和香港之间往返的所有航班信息和飞机类型。问题是伦敦有五个国际机场（希思罗机场，盖特威克机场，城市机场，斯坦斯特德机场和卢顿机场），而香港只有一个。
这意味着查看从伦敦机场到达香港的航班会更容易，而不是尝试以五个可能的起点进行相反的尝试。
历史飞行数据可从几个不同的地方获取。FlightRadar是最知名的，除此之外Airportia和Flight Aware等。我参加这个测验的时间有些晚了，到了拍摄图像十多天后才参加，这意味着如果没有高级帐户，我将无法从FlightRadar获取数据。
FlightAware也会对此类历史数据收费，而Airportia仅列出定期的客运航班。幸运的是，托比·布鲁姆（Tobi Bluhm）已经确定该航班一定是N617UP，这是UPS的货运航班，于10月30日世界标准时间6:12从伦敦斯坦斯特德出发，飞往香港。感谢Tobi –如果没有您的帮助，我将花费更长的时间，并且可能还会花费一些现金！
这信息看起来帮助不大，但是成功识别到了飞机，就意味着我们拥有最终识别拍摄者所住的酒店（和房间）以及准确拍摄照片的时间（在几分钟之内）所需的所有信息。
他将在非常接近这条线的附近：
有了这些几何图形、历史天气预报和日落计算，就可以使用该飞行路径来大幅缩小拍摄者的位置，并最终找到他。
使用KML文件绘制路径
从理论上讲，所有这一切都应该很容易，但是如何从6000英里的飞行路线寻找到确切的酒店呢？
幸运的是，FlightRadar和FlightAware都可以将飞行轨迹下载为KML文件。如果您不熟悉KML文件，可以在Google Earth中打开它，然后查看和分析KML映射数据。
在拍摄者的图片中获取到了航班位置信息。
意味着我们能够在飞机旅程的每个阶段看到飞机的确切位置、高度和方向。
在Google Earth中查看这些数据能更直观地看到飞机所在的位置，之后通过将Google Earth中的视图与拍摄者照片中的信息进行交叉引用，便可以确定拍摄位置。
在Google Earth中打开KML文件时，整个飞行路线都会覆盖在地图上。
下面是效果展示：
请注意，KML叠加层不仅显示位置，还显示高度。滑块（图片的左上角）可以移动到特定时间，以便您可以看到飞机的位置。
下面是在香港的下降和降落路径：
那么，我们如何使用这些信息来帮助您找到拍摄者？
我们需要做一些简单的几何题。
几何
现在我们有了所有的飞行路径数据，我们可以将其与日落/日出信息和几何图形结合起来，以计算拍摄者的位置。
我们知道飞机在世界标准时间06:12从伦敦斯坦斯特德起飞。
将这些信息放到Suncalc中，结果显示当时的斯坦斯特德天还很暗：
接下来，飞机驶向阿姆斯特丹。会是这个城市吗？
我们对阿姆斯特丹重复相同的方法，我们可以看到当飞机在世界标准时间06:37越过时天也是暗的，所以它不可能是拍摄者所在的城市。
请务必记住一点，飞行数据始终以UTC表示，而不管本地时间如何。这包括“ Google地球”中的时间滑块，可用于显示飞机的位置。另一方面，Suncalc始终显示相对于UTC的当地时间，因此阿姆斯特丹是UTC +1。如果您不记住此细节，很容易感到困惑！
因此，排除阿姆斯特丹后，有什么办法可以简单的检查剔除飞行路线附近的每个城市？
有！
这儿有一些几何信息的来源。
飞机经过阿姆斯特丹之后，在089度航向上改变航向，几乎是直接向东。
实际上，如果我们查看跟踪日志，则发现飞机在荷兰，德国，波兰，白俄罗斯和俄罗斯的整个过程中仅进行了一些微小的航向校正，等到了俄罗斯，才转向哈萨克斯坦，中国和香港：
飞机大约在世界标准时间10:00（当地时间15:00）越过哈萨克斯坦，但是到越过中国时已经很黑了。这意味着在拍摄者当时不可能在中国，因此我们可以将其从潜在候选者中排除。
此外，由于飞机的航向通常总是东移，所以拍摄者一定已经大致面向西，才能使飞机朝向他。太阳从他身后飞来的事实加上阴影的角度表明，太阳大致在东南方，即在他的左肩上方：
这意味着，无论蒂尔曼在哪里，他拍照的时间都是大早上。不可能是在晚上，否则太阳不能面对他。
因此，可能缩小搜寻范围。
有可能符合条件的的国家/地区只剩下荷兰，德国，波兰，白俄罗斯或俄罗斯西部的最东部，因为这是飞机在白天和太阳仍然在东南时飞过的唯一地方。
这范围还是很大，但已经大幅度的缩小查找范围。
照片中建筑可见高度为五层，另外至少一到两层（根据拍摄者的身高而定）没被在照片中显示出来，因此，该建筑物至少高六至七层高，并紧挨着拍摄者的酒店。
这有力地暗示拍摄者所在位置是城市，而不是农村或者郊区。
因此，这意味着我们只需要在一个可能的国家/地区中找到靠近飞行路线，而且吻合飞行路线的城市。
因此，接下来我们需要一些辅佐图形来帮助确定方向：
从飞行数据中我们可以知道，这架飞机在整个欧洲的大部分旅程中都几乎要向东方行驶。
通过在原始图像上覆盖罗盘点，可以推断出拍摄者的位置必须在飞行路线的北部。
如果他在飞机向东飞行的航迹的南侧，凝结尾迹将是如下所示：
如果您在思维上很难做到这一点，请不要担心，我将在稍后展示如何用Google Earth视觉上确认这一点。
还有一个问题，为什么飞机似乎垂直地面的人的姿势行进？我将在短期内回答这个问题，因为它将有助于确定准确的位置，但是我们首先需要知道拍摄者所在城市。
锁定柏林
由于图片中的角度表示拍摄者位于飞行路线的北部，因此我们可以消除不吻合的地区。
不可能是汉诺威或不伦瑞克，因为它们在南部。
绝对不可是波兹南或华沙。伏尔加格勒可能是候选人，但对于太阳位置来说，它的位置会是在便晚的时间：
无论如何，这些地区的都不符合照片中的晴朗蓝天：
但是，有一个城市是非常的有可能。它靠近飞行路线，并且城市的大部分也在正确的位置：
历史性的天气报告还确认当时柏林上空没有云：
飞机经过柏林时，太阳也位于正确的位置（东南）：
因此，柏林似乎是蒂尔曼最有可能的所在地。
从“伦敦和香港之间的某个地方”的搜索参数开始，我们通过检查飞机经过时的日光以来剔除许多国家。
然后，通过使用照片相对于飞行路线的方向，来剔除除剩余国家中的城市，例如汉诺威或华沙。
最终排查下来，
柏林确实是唯一符合日光，天气条件，太阳位置以及相对于飞机飞行路线的方向和位置的正确标准的城市。
接近目标
因此，如果拍摄者在柏林，我们如何利用对图片和飞行路线的了解来找到他？
当然，您可以用Google搜索“柏林的酒店”，然后寻找匹配的物件，或者花费数小时在Google Maps上查寻筛查。
这种蛮力地理定位方法很无聊，非常缓慢并且效率极低。
他们可能最终会正确，就像将猴子放在打字机前足够长的时间，也能撰写莎士比亚的完整作品。
KML文件中有足够的数据，这将使我们能够使用Google Earth设置非常紧密的参数以进行最终的视觉搜索，因此，现在我们将拍摄者放到柏林后，我们将能够很快找到他。
在此之前，此图中仍然有一个未解决的问题需要我们解决。当我们知道飞机从头顶飞过时，为什么飞机似乎垂直向上飞行？
拍摄者的角度是仰望地平线，而飞机似乎几乎是垂直飞行。显然飞机不是在正头顶上。
由于地球的曲率关系，飞机即使在水平飞行，看起来也似乎仍在垂直行进。
从地平线接近的时飞机看上去是在垂直向上的方向行进。
当它们在头顶时，它们是呈现出为水平飞行。
而当它们飞远时，它们看起来是似乎正朝着地平线垂直下降。
您可以在此处阅读有关此效果的更多信息，但就本测验而言，这足以表明拍摄照片时飞机正向他驶来，但仍相距一定距离，并且可能不在柏林上空。
对照片重新建构
现在我们知道了拍摄者在柏林的某个地方，飞机正朝他行进。
那我们如何才能找到确切的位置而无需花费数小时的时间来搜索地图呢？
使用KML文件和Google Earth的3D建筑功能将使我们（几乎）以飞机轨迹为参考点，完美再现照片。
为此，我们需要确定拍摄照片时飞机相对于柏林的位置。
飞机移动非常快。通过使用时间滑块，我们可以看到在世界标准时间07:11（柏林时间08:11），飞机远离柏林，大约在勃兰登堡附近：
仅仅五分钟后，这架飞机几乎看不见了，并且已经完全越过柏林了：
因此，为了尝试从地面重新创建视图，我们需要尝试捕捉飞机正向地平线驶向蒂尔曼位置的那一刻。但是，如果我不知道拍摄者所在位置在哪里，如何在Google Earth中重新创建视图呢？
这不是件简单的事情，但稍作试验和修正错误就能很快使事情变得清楚。
拍摄者一定在飞行路线的北边，我将自己集中在勃兰登堡门的地面上，面对拍摄者在照片中的样子向西：
请注意，从Google地球的地面上可以看到飞机的路径（距离为灰色的线）。
由于KML文件还包含高度数据，因此可以正确重现飞机的高度。
在这张照片中，时间设置为世界标准时间07:11。
这时飞机实际上是在勃兰登堡市附近（距勃兰登堡门约60公里/ 37英里），但是由于地球曲率，您可以在Google Earth中复制出飞机在天空中垂直的效果。
下面是在世界标准时间（UTC）两分钟后的视图：
在世界标准时间（UTC）07:15的视图。请注意，此时飞机已完全越过头顶。这也意味着拍摄者必须在世界标准时间07:15之前拍照：
因此，要让拍摄者看到飞机像照片一样垂直朝他走，他必须早于世界标准时间（UTC）07:08拍摄，当然也不得早于世界标准时间（07:15）拍摄图像。
为了尝试最好的地重建条件，我将时间滑块设置为UTC 07:13，得出了以下视图：
照片中飞机几乎是笔直地向前看，因此要重新创建相同的视图，我们应该能够从地平面直看时以相同的高度和角度看到飞机。（注意：要在“ Google地球”中“查找”，只需按住右键并使用鼠标环顾四周）。
这非常有帮助的，但拍摄者并没有住在勃兰登堡门，同时也不会过于遥远。
我们需要设置更严格的参数来找到他的确切位置。这很简单，只需在Google Earth的地面上四处移动，直到飞行路径的角度与原始照片中的轨迹转换的角度匹配即可。我没有使用任何复杂的数学公式来执行此操作。我只是这样设置我的桌面，并一直左右移动（南北），直到角度大致匹配为止。
匹配角度使事情变得非常快。由于无法以匹配的转换轨迹来精确地控制运动，因此我想设置一个拍摄者酒店必须位于的盒子的边界，然后手动检查该区域。为此，我必须为北，南，东和西设置搜索边界限制。
东西边界的设置非常简单。拍摄者在高大的建筑物旁边，所以我不必在建筑物较小的郊区寻找。于是柏林郊区构成了搜索区域的东西边界：
事实证明，这些方法有点过于粗犷，但总是边界范围过大总比过小要好。
设置北部边界时，向西移动时“向右”，直到与原始视角相比，转换轨迹的角度变得吻合为止。这意味着我必须从北远离拍摄者的位置：
然后，通过向南（即向左）移动来重复相同的过程：
这条边界我设置得太靠南了。与原始图像相比，这里的转换轨迹的角度更接近于绝对垂直。
不过，这只是为了证明之前的观点——注意当我在飞行路线从北向南移动时会发生什么。两者角度完全倒置：
这样就可以绝对确定，如果飞机要向东飞行，那么拍摄者一定是在飞行路线的北边。
因此，现在我在Google地球上有了一个漂亮的蓝色搜索区域。蒂尔曼必须在某个地方，但是在查询街道之前，还有更多的工作要做。
我添加了红色区域，其中没有任何大型建筑物（如图片中的建筑物），例如绿地或郊区房屋。
因而拍摄者必须在蓝色区域，而不是红色区域。
我对搜寻的边界给得很宽容，因为我不想无意间错失任何东西。
就算这样搜索区域仍只有2公里宽，检查时间也不会很长。
接下来，我只需要像拍摄者所做的那样大致向西面对即将到达的飞机：
接下来，我在这个高度将东西东西移动穿过城市：
左边有一幢熟悉的建筑…
完美搭配！这意味着拍摄者是从柏林米特H +酒店拍摄照片的：
那么如何更精确定位？
快要接近真相了。
为了使飞机相对于拍摄者处于该位置，他必须在世界标准时间07：13-07：14（当地时间08：13-08：14）拍摄照片。
这是原始照片和娱乐内容并排进行比较：
我们甚至可以估算出他必须住在H +酒店的哪个房间：
如果您想尝试自己复盘挑战，则可以在此处找到KML文件。
原文地址：https://nixintel.info/osint/using-flight-tracking-for-geolocation-quiztime-30th-october-2019/
