Geo-visualisatie/Vervolg GIS

HANDBOEK GEO-VISUALISATIE Kaarten maken met een GIS Deel A: Theorie / Vervolg GIS

Deze module is onderdeel van een Wikibook dat zich nog in de schrijffase bevindt. Op de startpagina staat de status van deze module en wanneer deze gereed is. 'Meewerkers / meedenkers', een cartograaf of GIS-specalist en een neerlandicus met affiniteit hiervoor zijn nog steeds welkom, ook reacties zijn gewenst. Deze module, onderdeel van Deel A: Theorie, is een vervolg op GIS-theorie. Aan de orde komen: de sterke punten van GIS, modelleren met GIS, een aantal praktijkcases als voorbeeld, de waarde van verschillende bronnen van geo-informatie en de kracht van het combineren van verschillende bronnen. In dit deel zijn veel facultatieve hoofdstukken: die zijn aangegeven met de toevoeging '(facultatief)'.

In deze module komt niet nog meer zuivere GIS-theorie aan de orde. Wel wordt voortgeborduurt op specifieke zaken die dankzij die GIS tot stand kunnen komen. Het is een lichte verdieping, waardoor de essentie van GIS, en daarmee de (on)mogelijkheden die GIS biedt voor geo-visualisatie aan de orde komen.

Informatiesystemen (facultatief)

Als GIS-specialist wil (of moet) je zo goedkoop mogelijk werken. In het voorbeeld van hierboven bleek dat al. Je maakt dus afwegingen tussen zo goed mogelijke kwaliteit en kosten. De minimale nauwkeurigheid uit de opdracht zal centraal staan. De geo-informatie die je aldus verzamelt voor een kaart bestaan al vaak. Het zelf inwinnen is duur. Data snel op straat inwinnen (via lokale bestanden, nieuwskrantjes, vrijwilligers, websites van enthousiastelingen) is gevaarlijk. In de praktijk komen de betere, beschikbare geo-informatie bestanden uit bestaande GIS-modellen. GIS-modellen zijn informatiemodellen met een geografische component / locatie-component. Fysiek gesproken komt (geo-)informatie uit een (geo-)informatiesysteem, maar dat vertolkt in feite een informatiemodel zoals dat is opgesteld binnen een onderzoeksproject of bedrijf. In deze paragraaf wordt verder ingegaan op de herkomst van geo-informatie.

Herkomst van geo-informatie (facultatief)

Jouw geo-informatie kan komen vanuit:

• bedrijven: die vanuit hun beheerdersrol specifieke geo-informatie bijhouden.
• onderzoeksprojecten: het gaat hier vaak om zeer gedetailleerde specifieke geo-informatie.
• Internet: dit is zelf 'te googelen' uit vrij toegankelijke (overheid)sites. Houd wel rekening met eventuele copyrights / licenties
• commerciële bedrijven: dat betekent inkopen van een commercieel bedrijf dat geo-informatie generiek voor meerdere, algemene toepassingen inwint en verkoopt.
• eigen inwinning / eigen beheer: denk aan het zelf simpel plaatsen van locaties van

• alle politiekantoren uit een plaatselijke gouden gids voor een kaart over veiligheid voor een lokale krant
• monumentale panden uit een eigen inventarisatie
• kinderdagverblijven of parkeergarages uit een gemeentegids, stadsplattegrond, enzovoort.
• geocoderen; Adresbestanden kunnen op basis van gemeente, postcode of compleet adres voorzien worden van een coördinaat. Zie ook Geocoderen in Geo-visualisatie/Inleiding Cartografie

• Eigen beheer: Bestaat de geo-informatie niet, dan zal dit door het bedrijf in kwestie wellicht zelf moeten worden opgestart, inclusief een beheercyclus, om een zekere - gewenste - actualiteit te kunnen waarborgen.

TIP1: Op kaarten zit een copyright. Op feiten, en dus ook de locaties van bepaalde objecten uit kaarten, zit echter géén copyright. Een (topografische) kaart mag dus niet zomaar gekopieerd worden, netzoals (delen van) luchtfoto's. Wel mag je die kaart gebruiken om een selectie van de objecten in eigen kaart te gebruiken, zolang je maar niet (delen van) de kaart gaat overnemen door digitalisering. Raadpleeg altijd de copyrightvoorwaarden, of raadpleeg de uitgever/bron.

TIP1: Wees voor wat betreft de kwaliteit voorzichtig met het overnemen van lokale data van de community, 'open data', data van bepaalde gebruikersgroepen, belangenverenigingen, enzovoort. Deze bestanden kunnen met een beperkte bril, scope of aandachtsgebied tot stand komen. De data is bewust, maar vaker onbewust, voor een beperkt gebied tot stand gekomen. Wanneer een school alle graffiti in een stad in kaart heeft gebracht, zullen graffiti-locaties die zich bevinden tussen de school en de huisadressen van de scholieren over vertegenwoordigd zijn... Wanneer op een dergelijke kaart beslissingen worden genomen, is dit niet bepaald wetenschappelijk verantwoord te noemen. Als GIS-specialist vervul je een bepaalde rol hierin; jíj kennis van de eigenschappen van geo-informatie, jij hebt deze verzameld, jij bent de enige die de bron kan verifiëren. Vertaal dit niet zonder meer één op één over naar de kaartlezer.

Geo-informatie binnen onderzoeksprojecten (facultatief)

Bij een losstaand onderzoek geldt dat de data alléén de onderzoeksdoelstellingen dient te heiligen. Maakt het onderzoek deel uit van een breder onderzoeksprogramma of wordt deze uitgevoerd door een groter onderzoeksinstituut - zoals het CBS, Alterra, RIVM, LNV - dan is de beschikbaarheid van geo-informatie bij het opstarten van het onderzoek of project waarschijnlijk al snel geregeld. Hoe kleiner en specifieker het project, hoe groter de kans dat deze data zelf moet worden ingewonnen of speciaal moet worden aangeschaft. Bij kortdurende projecten zal de geo-informatie waarschijnlijk niet voorzien zijn van een beheercyclus; na verloop van tijd zal die data verouderen.

Onderzoeksdoelstellingen zijn vaak zo specifiek of gedetailleerd, dat hier nieuwe, al of niet geavanceerde GIS-modellen voor worden ontwikkeld. De geo-informatie binnen een dergelijk onderzoeksproject is vaak op projectbasis ingewonnen, specifiek gedefinieerd en daardoor buiten dat onderzoek niet altijd herbruikbaar.

Geo-informatie binnen bedrijven (facultatief)

Door een bedrijfsplan wordt het via missie, visie en strategie duidelijk wat de benodigde bedrijfsmiddelen zijn. GIS en geo-informatie staat niet los van het bedrijfsplan; het dient de missie te ondersteunen, en hoe dun of zwaar een GIS en de bijbehorende geo-informatie er uit zien, wordt bepaald door de (wellicht veranderende) strategie.

Binnen een bedrijf zijn de functionaliteiten van het GIS-model en dus ook de data, idealiter afgeleid van het bedrijfsplan (zie figuur). Te zien is een zogenaamde top-down-benadering. De bovenste drie lagen uit het bedrijfsplan bestaan alleen in de hoofden van de medewerkers, of zijn beschreven op papier. De onderste laag beschrijft de werkelijk tastbare bouwstenen van een bedrijf. Dat zijn de productiemiddelen. Denk aan het gebouw, de medewerkers, de computers en het netwerksysteem, en ook de informatie. Deze productiemiddelen bestaan alleen omdat dit nodig is volgens de lagen erboven; bij een commercieel (of efficiënt gerund) bedrijf zal dus ook het informatiemodel alléén bestaan omdat het iets bijdraagt aan het bedrijfsmodel. Anders zou er sprake zijn van hobbyisme of geldverspilling op informatiegebied. Ook de aanwezige geo-informatie maakt hier deel van uit. De bedrijfsstrategie, visie, normen en waarden (bijvoorbeeld nauwkeurigheid), wijze van aansturen (stuurparameters uit geaggregeerde (geo-)informatie, zij allen hebben dus invloed op het wel of niet voorkomen, de kwaliteit en de kwantiteit van de aanwezige geo-informatie en het gebruikte GIS.

Intermezzo: GROEN VOOR GELD BV: (GIS)Bouwstenen afleiden met behulp van een bedrijfsplan

Een kort voorbeeld verduidelijkt het bovenstaande. GROEN VOOR GELD BV is een bedrijf met de missie: 'Groenbeheer uitvoeren voor gemeenten en waterschappen'.

• De visie en missie is 'In Noord Nederland binnen drie jaar marktleider, door het opkopen van huidige uitvoerders en netwerken bij de gemeenten. Geld en winst staan voor op, echter dit mag niet ten kosta gaan van een tevreden klant (de gemeente)'.
• De strategie is: 'jaarlijkse klantenquêtes, cijfers moeten op het niveau van gemeenten helder zijn. Het gaat dan om inzicht in: kosten, opbrengst, tevredenheid, soort groenbeheer. Binnen 3 jaar 10% winst voor elke provincie'. Wanneer dit in detail verder wordt uitgewerkt, door terzake kundigen, blijkt uiteindelijk wat gedurende de eesrte drie jaar de bouwstenen moeten zijn:
• De bouwstenen zijn: 1 hoofdkantoor, noordelijk gelegen, 3 accountmanagers, 6 regionale groenbedrijven, 1 centrale database, pro-actieve houding van zowel medewerkers op gemeentelijk niveau als de accountmananagers'.

• Bij het inrichten van de bouwsteen 'centrale database' blijkt uit een adviesrapport dat de centrale database gegevens moet bevatten van het oppervlak dat per gemeente moet worden onderhouden, het soort oppervlak per gemeente, en welke (maai)machines hierop gebruikt kan worden. Dat is onder andere afhankelijk van het oppervlak, de steilheid daarvan (met name bij taluds) en de afstand tot de omwonenden. De afstand tot de omwonenden is nodig om overlast te voorkomen bij het inzetten van het zwaarste, lawaaierige materieel. Ook moet GROEN VOOR GELD BV afspraken die de gemeenten met bedrijven en omwonenden heeft gemaakt vastleggen in die database. Tot slot moeten de medewerkers bij overlast of commentaar op het moment van de klacht dírect met het hoofdkantoor kunnen overleggen. Het hoofdkantoor moet weten waar die klacht zich dan bevind, moet zich kunnn verplaatsen in de situatie ter plekke.
• Uiteindelijk blijkt daarom de volgende geo-informatie nodig:

• Topografische kaarten
• Kadastrale kaarten
• Vlakken kaart met te onderhouden groengebieden / groenstroken, met daarbij de volgende kenmerken: oppervlak, groenclassificatie (grasveld, ruw gras, berm, sloot, voetbalveld, et cetera) gemiddelde helling, maximale helling, materieel dat daar ingezet kan worden, contactpersoon bij de gemeente, onderhoudsfrequentie, datum laatst gemaaid/onderhouden.

• Op (Geo)IT gebied (GIS, netwerk, hardware, software) is nodig:

• On-line verbinding met het Kadaster op het kantoor voor check op eigenaren / omwonenden, alléén bij klachten.
• Mobiele telefoon met GPS, voor medewerkers ter plaatse, in het geval er klachten zijn.
• GIS om te berekenen welk materieel op een te onderhouden gebied optimaal kan worden ingezet.
  

Informatiesystemen die van bedrijfsplannen zijn afgeleid, zijn vaak groot en breed opgezet en dienen gedurende langere tijd flexibel herhaalbaar of vergelijkbare output te kunnen leveren.

Echter, ook geldt dat bedrijven continu in ontwikkeling zijn. Hun visie of strategie wordt gewijzigd of er is behoefte aan andere stuurparameters. Ga er dan niet vanuit dat per direct de systemen, de data en de functionaliteit van applicaties onmiddellijk zijn aangepast. Bijvoorbeeld omdat er nog geen prioriteit voor is gegeven die database uit te breiden of te koppelen. Elke visie- of beleidswijziging heeft zijn tijd nodig om effect te hebben. De cultuur, de systemen en het resultaat hebben tijd nodig om te veranderen. Soms wordt de inwinning, digitalisering of het beheer van geo-informatie te duur geacht, terwijl er wel meer verdiend moet worden met de primaire processen. Bij bedrijven mag echter toch verwacht worden - meer dan bij projecten - dat de geo-informatie die ingekocht wordt, voorzien is van een onderhoudscontract. En dat de geo-informatie die door het bedrijf zelf wordt ingewonnen of beheerd, een bepaalde - op de bedrijfsdoelstellingen afgestemde - revisiecyclus heeft. In die gevallen is de bijdrage van GIS en geo-informatie aan de bedrijfsdoelstellingen 'als smeerolie voor de business' gewaarborgd.

SAMENVATTING: Middels een bedrijfsplan kan bepaald worden welke bouwstenen noodzakelijk zijn. Voor een GIS en geo-informatie geldt dat ook deze afgeleiden zijn van missie, visie en strategie van het bedrijf. Dit kan in detail worden uitgewerkt, al zal praktijkervaring aan moeten geven 'hoe dik' dit moet worden opgepakt om het gewenste effect te bereiken. Na verloop van tijd kunnen andere strategiën, stuurparameters of acties nodig zijn die minder of juist méér GIS en geo-informatie nodig hebben dan enkele jaren daarvoor bedacht is. Bedrijven zijn flexibel, en daarmee dient de ICT (waaronder GIS) dat ook te zijn.

TIP: Zorg dat jouw GIS-afdeling betrokken is/wordt bij niet alleen projecten waarbij 'bouwstenen' worden gewijzigd, maar ook bij momenten waarop missie en strategie worden gewijzigd of besproken. Denk aan contacten met ICT-afdelingen, discussies over informatiebeleid, klantenwens-inventariesties, en dergelijke. GIS en de geo-informatie kan dan sneller inspelen op de nieuwe eisen, en de bijdrage die het levert kan dan direct meegenomen woden in de strategie. GIS is dan niet alleen een 'met de golven meedeinende' bouwsteen, maar levert input voor de strategie.

Gebruik van geo-informatie (facultatief)

Verwacht niet zonder meer dat van elders verkregen geo-informatie gebruikt kan worden voor nieuwe, innovatieve of andere toepassingen dan oorspronkelijk bedoeld.

In de praktijk zal echter toch vaak op al bestaande geo-informatie (hieronder ook genoemd: fysieke databases) worden teruggegrepen. Bijvoorbeeld omwille van snelheid, vanwege de kosten of er is onnadachtzaamheid in het spel. Er wordt dan uit gewoonte gekozen voor een bekende, makkelijk ontsluitbare dataset. Aan jou als GIS-specialist dan dus wel steeds de vraag of deze afkomst van de data de kwaliteit van het onderzoek / de kaart in de weg staat.

Intermezzo: Synnexxion en de concurrent: over nauwkeurigheid van bestanden

Opnieuw een kort voorbeeld. Denk nog eens aan het eerdere voorbeeld uit paragraaf "Toepassingscontext", over het fictieve bedrijf Synnexxion. In dat voorbeeld bleken de aantallen niet nauwkeurig in de database te staan. Dat was strikt genomen ook niet nodig. Synnexxion wil geen accurate databases, maar accuraat vervoer en vooral veel winst. Waarom zou bij een ander busbedrijf met dezelfde missie (namelijk: geld verdienen in het openbaar vervoer) de klantgegevens per stad misschien véél accurater geweest? Dat is héél goed mogelijk. Het antwoord is eenvoudig: Omdat dezelfde missie met een andere strategie wordt uitgewerkt. Wellicht worden noren en waarden als accuraat, klantgericht en professioneel vervoer bij dit tweede bedrijf ook bewust uitgedragen naar en door de databeheerders. De gedachte hierachter is wellicht de overtuiging dat niet alleen buschaueffeurs, maar héél het personeel deze normen moet hebben. Job-rotation en een professionele indruk naar potentiële klanten maken voor dit tweede bedrijf misschien zels wel deel uit van hun marketingstrategie. NB: Géén van beide bedrijven heeft gelijk of ongelijk. Beide bedrijven kunnen met hun verschillende strategie financieel gezond zijn en blijven.

SAMENVATTING: Binnen bedrijven is vaak de aanwezige geo-informatie niet afdoende voor een onderzoeksvraag / kaartverzoek. Wanneer geo-informatie van buiten het bedrijf komt, kan omwille van snelheid, eenvoud of kosten, bewust of onbewust geweld worden gedaan aan de kwaliteit van het eindproduct, de analyse of de kaart. De kaart geeft dan misschien nog wel een antwoord op de onderzoeksvraag, echter, de nauwkeurigheid, compleetheid of actualiteit ervan is misschien lager dan vooraf gehoopt. Dit kan een bewuste keuze zijn.

Gebruik van geo-informatie van belangenverenigingen en 'open geo-informatie'

Nieuwsmeldingen van individuen in kaart gebracht. Bron: www.skoeps.nl, Nieuwscategorie 'Binnenland', 15-22 oktober 2007. Achtergrondkaart: www.openstreetmap.org.

P2000-meldingen, regio IJsselland, over 2 dagen. Bron data: P2000, via http://www.langeleegte.net/.

P2000-meldingen, regio IJsselland, over 2 maanden, alleeen categorie "Politie". Bron data: P2000, via http://www.langeleegte.net/.

Belangenverenigingen, lokaal en landelijk, enthousiaste individuen verzamelen steeds meer data. Onder andere doordat van het individu als burger steeds meer verwacht wordt, maar ook omdat hij steeds meer beschikt over de kennis en middelen - zoals GPS - om deze data te verzamelen. Ze proberen op deze wijze grip te krijgen op de wereld om hen heen, op specifieke objecten uit hun aandachtsgebied, hun (sub)cultuur. Ze gebruiken daarbij (bewust of onbewust) bepaalde, vaak voor de buiten wereld onbekende prioriteiten, definities en gebiedsafbakeningen. Zie onder andere www.openstreetmap.nl, of lokale belangengroepen uit jouw eigen omgeving.

Andere voorbeelden van user-generated-content-sites zijn Wikipedia, Hyves, Flickr, YouTube en watvindenwijover.nl?. Meer voorbeelden en meer weten over www2.0? zie Wikipedia Web2.0.

De inspanning van deze organisaties wordt onder andere uitgevoerd om (lokale) overheden te voorzien van andere, nieuwe zienswijzen en om de beslissingen bij individuen en overheden te beïnvloeden. In dit verband moet ook genoemd worden het fenomeen "www 2.0", waarmee gedoeld wordt op het wereldwijde web dat steeds meer 'user generated content' bevat; elk individue kan wat voor informatie dan ook delen met wie dat dan ook maar wil gebruiken, van 'blog' tot kaart, en van 'medische site' tot complete databases. Een aardig voorbeeld hiervan is onder andere de site van Skoeps: Skoeps 'nieuwskaart'. Hier kunnen gebruikers onder andere nieuwsitems toevoegen (ongelukken, graffiti) met minimaal een lokale betekenis. Foto's, films en commentaar worden gekoppeld aan een kaart. Via een filter is de zien welke gebeurtenissen waar plaatsvinden. Zie illustratie rechtsboven.

Er zitten twee interessante aspecten aan de geo-informatie die op deze wijze ter beschikking komt.

1. Voor de (lokale) belangenverenigingen is deze vorm van data verzamelen een een goede ontwikkeling. Het vormt een prachtig middel om hun democratische taak praktisch in te vullen. Op een positieve wijze is het mogelijk om de overheid en de informatie die de overheid gebruikt te beïnvloeden. Het proces gaat snel. Bijvoorbeeld via een camera's op een mobieltje met GPS. Het gesproken woord en het beeld of filmpje wordt via 'bluetooth' geupload op PC en wordt dezelfde dag nog via internet of op een andere wijze gecommuniceerd met de doelgroep die de afzender wenst te beïnvloeden. Er wordt zo tegenwicht geboden daar waar de overheid te traag wordt geacht, of wellicht 'slechts' gebruik maakt van landelijke, altijd weer dezelfde misschien verouderde bestanden en (landelijk opererende) (GIS) adviesbureau's. Omdat deze belangenorganisaties wél de tijd en energie (en soms: ook meer kennis) hebben, krijgen zij - actueler en specifieker - in kaart wat anders niet zichtbaar zou zijn voor de burger en de overheid. Wanneer GIS en GIS-kennis aan deze initiatieven kunnen worden toegevoegd, hebben deze organisaties een visueel sterk middel in handen om de publieke opinie en de politiek constructief en op argumenten te beïnvloeden.
2. Er zit ook een andere kant aan deze 'democratisering' van (geo) informatie. En dat is misschien als 'keerzijde' te bestempelen volgens sommige GIS-specialisten en overheden. De vraag is namelijk of deze nieuwe manier van data verzamelen zonder meer een aanvulling kan zijn voor bestaande, vaak meer landelijke of meer gebiedsdekkende geo-informatie. Wanneer die bestanden actueler zijn, is er de neiging om die direct maar over te nemen. Echter, wanneer die nieuwe bestanden met een beperkere scope, definitie, aandachtsgebied of te verspreid tot stand zijn gekomen, moet er aan getwijfeld worden deze te gebruiken in een GIS. Zeker bij kleine aantallen; dan speelt ook nog eens "de macht van het kleine getal".

De wet van het kleine getal

Bij het trekken van conclusies op basis van kaarten geldt hetzelfde als bij het trekken van conclusies op basis van andere data.

Er moet voorzichtig worden omgesprongen bij onvolledige of niet juist ingewonnen data. Zeker wanneer een kaart gemaakt wordt op basis van een beperkt onderzoek, of een beperkte hoeveelheid data (zie ook de vorige paragraaf). Staat er een beperkte selectie van de werkelijkheid op een kaart, of er zijn nu eenmaal weinig voorvallen gekarteerd, dan is er de kans dat de beslissing of het inzicht die volgt uit een kaart, bepaald wordt door wat men noemt 'de macht van het kleine getal' of 'overhaaste generalisatie' (zie ook 'De Wet van het kleine getal' op Wikipedia). Zelfs wanneer de data 100% goed, actueel, compleet en nauwkeurig is, moet men met deze wet rekening houden. Een voorbeeld.

Hier rechts staan twee figuren. Hier worden daadwerkelijk plaatsgevonden meldingen van calamiteiten weergegeven van regio IJsselland. Deze vanuit het P2000 systeem van de centrale meldkamer (112) van de ambulance, brandweer en politie.

Een kaartlezer zou de volgende conclusies kunnen trekken:

• In de Olst, Hardenberg en Zwarte-waterland gebeurt weinig of niets; ze kunnen daar leunen op de brandweer, politie en ambulance uit de omgeving.
• Zwolle en Kampen hebben relatief meer brandmeldingen dan andere gemeenten; de brandweer moet daar dus beter uitgerust zijn dan in andere gemeenten.
• In Staphorst gebeurt veel, maar het zijn altijd onduidelijke meldingen.
• enzovoort.

Al deze conclusies berusten op één groot misverstand: er worden conclusies getrokken over een heel kleine periode én een heel klein gebied. Door de beperkte tijdspanne is de factor toeval bepalend voor het kaartbeeld. De werkelijke ruimtelijke spreiding die bij een dergelijk fenomeen hoort is niet zichtbaar. Pas wanneer een fenomeen (bijvoorbeeld brandmelding) in alle gebieden een minimum aantal keren voorkomt, en/of de meldingen gelden over grotere perioden (een jaar), dan zouden dergelijke conclusies pas te trekken zijn. Er is een grote kans dat deze conclusies dan totaal anders zijn. Het heeft dat ook geen enkel nut dergelijke kaarten als hier boven te maken. Slechts voor dagrapportages ('waar zijn de hulpdiensten vandaag opgeroepen?') is het wellicht handig.

(Overigens, wie bekend is met de vele P2000-sites die er zijn; niet alle meldingen zijn goed classificeerbaar. Een melding als 'XXX Gaarne contact opnemen met centrale', of communicatie die niet via P2000 gaat strooien sowieso roet in het eten, wanneer we toch kaarten willen maken en conclusies zouden willen trekken. Hiermee wordt maar weer eens aangegeven: Gebruik spaarzaam of voorzichtig andersmans (internet) data; stap op de vakdeskundigen / kenners af alvorens zomaar zaken in kaart te brengen. Ook al is de hoeveelheid en veelsoortigheid aan informatie op internet nog zo'n verlokking, en ziet die er nog zo professioneel uit.)

Ook op de kaart met de nieuwsmeldingen, hierboven, zijn sommige van onderstaande conclusies misschien voor de hand liggend, echter ze zijn allen toch verkeerd:

• In Oost-Nederland en Brabant gebeurt weinig.
• De meeste UFO-meldingen komen uit Groningen.

Naast de wet van het kleine getal moeten we hier ook met andere zaken rekening houden. Skoep als als nieuwsmedium is wellicht populairder in de Randstad dan elders. Het zijn wellicht vooral jongere scholieren die deze site vullen, zij die hier tijd voor nemen, en in het bezit zijn van de juiste kennis en gadgets óm dit te doen. Het soort onderwerpen, de aantallen en de spreiding van de nieuwsitems over de kaart wordt daar dus door beïnvloed.

Ruimtelijke gegevensmodellering (facultatief)

Het ontwerpen van een model voor een (geografisch) informatiesysteem zal jij waarschijnlijk niet vaak gaan doen. Het GIS-model bestaat vaak al, zoals hierboven beschreven. Je maakt er als GIS-specialist gebruik van, of je krijgt de kans hem (mede) te ontwerpen of deze te actualiseren. Vandaar de volgende uitwijding over gegevensmodellering. Als eerste een afbeelding met wat terminologie. Zoals te zien is, is het fysieke model een beperking van de werkelijkheid; iets dat we ook al zagen in de eerste hoofdstukken van dit theoretische deel.

Beschrijving van en voorbeelden bij de relaties tussen de ruimtelijke logische-, conceptuele- en gegevensmodellen. Conclusie is dat goed nagedacht moet worden over het model; als de toepassingcontext wijzigt / verbreedt, zijn wellicht achteraf grote aanpassingen nodig.

In bovenstaande figuur (naar: ) een voorbeeld van hoe Ruimtelijke gegevensmodellering is op te vatten.

Ruimtelijke modellering wijkt in principe niet af van 'gewone' modellering, zij het dat nu met een ruimtelijke factor om moet worden gegaan. Daardoor zijn relaties, afhankelijkheden en benodigde data anders, is de functionaliteit eenvoudiger of met meer mogelijkheden in te richten. De database is eenvoudiger te modelleren, dan wanneer dit model puur relationeel en buiten een GIS om zou zijn gemodelleerd. (Dit is een rol die jij als GIS-specialist zou kunnen opnemen; adviseren over hoe dit anders / beter kan.) Het model is daarna te vertalen naar een fysiek gegevensmodel. Een fysiek gegevensmodel is in feite een verzameling (database) met tabellen (of serie bestanden) met een onderlinge, vastgelegde relatie.

Te zien is dat - afhankelijk van de toepassingscontext - verschillend naar de werkelijkheid gekeken wordt. Afhankelijk van die kijk komt een verschillend fysiek (GIS-) model tot stand. In het ene geval worden wegen als lijnen gedefinieerd (zie de figuur: met 1) aangegeven), en in het andere geval worden de wegen gezien als vlakken, omdat men de rijbanen als een te onderhouden oppervlak wil kunnen zien (zie de figuur: met 2) aangegeven).

Het ontwerpen van een Fysiek Model wordt iets eenvoudiger voorgesteld door het volgende plaatje. Is het Fysiek Model eenmaal vormgegeven, dan bestaat dit uit geo-informatie in een database of serie bestanden, met onderlinge relaties en afhankelijkheden.

Hoe een (geo-) database idealiter tot stand komt. De business, oftewel de primaire processen van een bedrijf, vastgelegd in een zogenaamd Conceptueel Model, bepaalt via het Logisch Model (hoe men werkt of wenst te gaan werken) welke geo-informatie nodig is ten behoeve van het Fysieke Model.

Is het Fysieke Model bepaald, dan kan de fysieke database gebouwd en vervolgens gevuld worden, met de benodigde software (GIS) er omheen.

SAMENVATTING: Een fysieke database kan alleen optimaal functioneren indien het (nog steeds) is afgestemd op het Conceptueel Model: de business. Een fysieke database kan alleen gebouwd worden (of effectief aangepast worden) als het Business Model bekend is. Voor kleinere omgevingen geldt dit ook: een fysiek GIS-model is alleen op te zetten als bekend is welke onderzoeksvragen beantwoord dienen te worden en welke kaarten geproduceerd moeten worden.

TIP: Zomaar kijken welke databases / geo-informatie je voorhanden hebt - en deze vervolgens gebruiken - is gevaarlijk. Zonder kennis van wat hierboven als informatiegrammatica wordt genoemd - de regels en definities die binnen het bedrijf of bij de data horen - is er een goede kaart of analyse alleen 'op goed geluk' te maken. Bespreek als GIS-specialist met de kenners van de data, het businessproces en/of de leverancier/beheerder van de data ('wat wordt verstaan onder een weg, onder een wegvak, enzovoort'. De visualisatie ervan zal dan eerder juist zijn.

Meer weten over de ontwikkeling van GIS-modellen, het initiëren van GIS, het opzetten van GIS-gebruikersgroepen, GIS-projecten opzetten? Zie onder andere:

• GIS for the Urban Environment, J. Maantay en J. Ziegler, 2006, pagina's 248 - 264.
• Thinking about GIS: Geographic Information Systems Planning for Managers; R. Tomlinson, 2003; Redlands VS, ESRI-Press.

Case 1: Risicokaarten; over de meerwaarde van GIS als combinatietool van data

Door het combineren van de datasets 'Risico's', 'Kwetsbare objecten' en 'woonwijken' blijkt de kaart van grote waarde voor de individuele burger, belangenorganisaties, calamiteitenorganisaties, beleidsambtenaren en vergunningverstrekkers van de gemeente. Dit figuur is op basis van gegevens van www.risicokaart.nl tot standgekomen, de ondergrond is afkomstig van www.openstreetmap.nl.

Zonder dat er meer informatie wordt gegenereerd, is het combineren van geografische informatie tot één kaart een - zelfs door GIS-specialiseten - nog steeds onderschat fenomeen. Door het combineren van datasets krijgt een kaart per definitie een meerwaarde. Dat komt omdat zo ruitemlijke relaties te zien zijn die anders verborgen bleven. Dat zijn misschien relaties op algemeen of lokaal niveau, en misschien zijn die relaties pas nodig op het moment dat er een calamiteit is.

Kijk bijvoorbeeld eens naar de Risicokaart van (een deel van) Schiedam. Hiermee wordt de algemene meerwaarde zoals hierboven bedoeld aangetoond. In dit specifieke geval gaat het om het thema risico / calamiteiten. Het is meteen af te lezen waar de risico's zich voordoen en of die zich wel of niet ook over een of jouw woonwijk uitstrekken. Het is óók direct duidelijk hoe groot een risico is, niet alleen dát er een risico is. Een mogelijke overdreven reactie, wordt voorkomen. Zonder de contouren zou de kaart tot meer vragen dan antwoorden kunnen leiden. Op dergelijke kaarten is extra uitleg en een duidelijke legenda zéér belangrijk.

Overigens, vaak worden de verschillende datasets apart beheerd. In dit geval zijn dat: de verschillende woonwijken (of wellicht adreslocaties), de kwetsbare objecten en de bedrijven / locaties die risico's veroorzaken. Deze zullen vaak op verschillende plaatsen en met verschillende deskundigheid totstandkomen. Dankzij GIS is dat géén probleem. De risicokaart (voor alle provincies is die beschikbaar) toont aan dat een zeer complexe kaart, voor zowel burgers als professionals kan bijdragen aan goede informatievoorziening. NB: Het is in feite géén kaart in de 'oude' betekenis van het woord: de bestanden worden door de provincies continu up to date gehouden, en de detailinformatie is alléén ingezoomd te verkrijgen.

Overigens, vergelijken we de hier getoonde kaart met de eerder in Geo-visualisatie/Deel A: Theorie besproken kaart Afbeelding:Deventer mast fictief vals voorbeeld.JPG, dan zien we dat hier de risico's voor de burger een stuk beter gecommuniceerd worden. Waarom? We lopen misschien vooruit op een aantal zaken in de delen B en C, maar de antwoorden zijn:

• de bron wordt genoemd
• de risicocontouren worden met zwart aangegeven niet met rood of geel
• het vlak dat binnen een risicocontour valt wordt niet met een rode kleur ingekleurd
• de exacte risico's worden genoemd er wordt niets gesuggereerd en - althans op de originele site van [www.risicokaart.nl| www.risicokaart.nl]:
• er staan links naar verdere verdieping, uitzonderingen, exacte definities.
• het gebied is niet beperkt tot één risico / één gebied, maar ook de omgeving is in beeld, waardoor de risico's en de spreiding in zijn gehele context (ook in andere wijken) te zien is.

Al met al kan gesteld worden dat GIS in het geval van de Risicokaart van Nederland een goed voorbeeld is va zeer gedetailleerde publieksvoorlichting. Gecombineerd met het feit dat GIS-viewers in het algemeen als ingewikkeld worden beschouwd, is déze site er aardig in geslaagd om het detailniveau van de risico's in de buurt van elk individu in gebruiksvriendelijk in beeld te brengen. Gezien de aandacht die rampen als Volendam en Enschede trekken, is dit géén overbodige luxe. GIS draagt hiermee bij aan het beeld dat de overheid wenst te hebben: een transparante, eerlijke en professionele organisatie.

Overigens op [www.risicokaart.nl| www.risicokaart.nl] wordt GIS niet alleen gebruikt om de individuele burger niet alleen goed voorgelicht. Hij wordt ook beschermd tegen zichzelf, tegen verkeerde conclusies die hij zou kunnen trekken uit onkunden, en hij wordt beschermd tegen potentieel misbruik die dergelije nationale/provinciale datasets wellicht in zich zouden kunnen hebben. Dit is bereikt omdat op www.risicokaart.nl niet met kaarten, maar met een GIS gewerkt wordt. Hoe is dit concreet te zien? Onder andere aan:

• Er kan niet alle risico's gelijktijdig bekeken worden. Met moet inzoomen tot op lokaal niveau.
• Detail niveau's worden vermeden: er staan wél woonwijken op, maar niet: hoeveel mensen er waar en wanneer aanwezig zijn. Deze gegevens zijn er wel, echter, dat zijn gegevens die de (lokale) overheden voor zich zelf houden om bij calamiteiten, beleidzzaken of vergunningen de juiste propoties te kennen. Het is niet nodig dat 'Jan en Alleman' deze details kent. Ook dit belangenorganisaties waarvan de goede naam vast staat, moeten dit vooral niet kennen; er is veel kennis en analysekracht nodig om dit goed te kunnen interpreteren.

CONCLUSIE: Het combineren van geo-informatie middels kaarten en gis-viewers heeft een grote meerwaarde in zich. Het voorbeeld van de risicokaart van Schiedam, naar analogie op de Risicokaart van Nederland, maakt duidelijk dat bij het opzetten van (geo-) portalen en GIS-viewers, zeer zorgvuldig om moet worden gegaan wat op welk niveau zichtbaar is voor wie. Een GIS ontwerpen gaat dus verder dan geo-visualisatie / cartografie / kaartopmaak!

Case 2: De erosiegevoeligheidskaart; GIS als voorspeller

Het gebied waarvoor de erosiegevoeligheid moet worden gekarteerd in deze case.

In dit handboek staat vooral de geo-visualisatie centraal. De meest mooie analyses van GIS blijven daarbij -helaas- buiten beeld. Hier een goed voorbeeld van hoe met een GIS én een bepaald model verrassende output berekend kan worden. Cartografisch is er op het eindresultaat wat af te dingen. Het betreft dan ook een GIS uit 1996, waarin niet elke handeling zeer gebruiksvriendelijk was en waarmee cartografisch nog niet bepaald sterke producten konden worden gemaakt. In deze module 'Inleiding GIS' is dit niet erg; het toont dat een GIS ook als voorspeller kan dienen, als een model maar goed / wetenschappelijk onderbouwd is vastgelegd. Andersom geldt gelijktijdig. Is het model (nog) niet goed / wetenschappelijk onderbouwd, dan kan een GIS de voorspelling toch in kaart brengen, waarna deze voorspelling verworpen of aangescherpt kan worden door extra metingen. Nu iets concreter.

Het doel is om te komen tot een erosiegevoeligheidskartering van een deel van het Limburgse heuvellandschap. Dat is dus geen voorspeller zoals het weer. Er kan namelijk niet mee voorspeld worden dat er binnen nu en een week op die en die plek 10 kubieke meter grond naar beneden komt. Het is meer een voorspeller zoals bij het klimaat. Gezien over een langere periode, is de kans dat er op die plekken veel grond naar beneden komt, duidelijk veel groter dan op andere plekken.

Hoe is zo'n voorspellende kaart met in dit geval erosiegevoeligheid te maken?

Hieronder - voor de lezers met weinig tijd - eerst een samenvatting van deze case, daarna het uitgebreide verhaal van de totstandkoming van de erosiegevoeligheidskartering.

• SAMENVATTING.

Een vakspecialist heeft onderzoek gedaan. Uit waarnemingen blijkt steeds maar weer dat de erosie op een bepaald punt, afhankelijk is van (en dus voorspeld kan worden door) het hellingspercentage en het landgebruik. Op een (vaak onbegroeide) akker spoelt de regen meer en vaker grond weg, dan op grasland. En hoe hoger het hellingspercentage, hoe meer erosie. (Dit is een vakinhoudelijk model.) Door beide aspecten - hellingspercentage en landgebruik - van een bepaald gebied in twee rasterdatabestanden te zetten, kan van elk punt (pixel) berekend worden van de erosiegevoeligheid is. (Dit is een GIS-model.)

• 1. HET ONDERZOEKSMODEL

Het begint niet bij een GIS-specialist, maar bij een vakspecialist. In dit geval een fysisch geograaf, een geo-morfoloog, een geoloog of een bodemkundige. Die vakspecialist zal een (vak-inhoudelijk) model moeten hebben of maken. Laten we aannemen dat uit zijn metingen (dat zijn puntmetingen of puntwaarnemingen!) blijkt dat de hellingshoek, en het grondgebruik goede voorspellers zijn voor de erosie. Hij heeft namelijk alle waarnemingen van erosie in dit gebied bekeken, en is tot de conlusie gekomen dat vanaf bepaalde hellingshoeken, en bij bepaald grondgebruik, veel vaker erosieverschijnselen zich hebben voor gedaan. Laten we als GIS-specialist nu aannemen dat hij dit goed gedaan heeft en dat er dus geen andere 'voorspellers' zijn, zoals grondsoort. Want een grondsoort löss is erg erosiegevoelig, en een grondsoort kalksteen of klei is minder erosiegevoelig. gelukkig stelt die vakspecialist ons gerust. Alle puntmetingen / waarnemingen die hij heeft gedaan zijn zijn gedaan in löss-gebieden, en het onderzoeksgebied zelf is ook geheel löss.

• 2. VERKENNINGSFASE: HET OVERLEG

Nu pas komt de GIS-specialist aan bod. Samen met de vakspecialist bespreekt hij het model. 90% van de tijd is de vakspecialist aan het woord. De GIS-specialist luistert goed, vraagt indien hij iets niet begrijpt. Hij moet immers het model écht snappen en omzetten in een GIS-model. Uiteindelijk is dit het model (uit: naar ). :

erosiegevoeligheid	landgebruik met hellingspercentage (=de twee voorspellers)
zeer sterk	akkerland op >8%
sterk	akkerland op 5-8%
matig	akkerland op 2-5% én grasland op >8%
licht	akkerland op 1-2% én grasland op 5-8% én bos&boomgaarden op >8%
nauwelijks	overige categoriën (lagere hellingshoeken als hierboven genoemd, en alle bebouwde gebieden en de snelweg

Merk op dat de GIS-specialist niet het model maakt, maar bespreekt. De GIS-specialist moet namelijk nu op zoek gaan naar kaarten die bovenstaand onderscheid kunnen maken. Er is wel een landgebruikskaart, maar die maakt onderscheid tussen bossen en boomgaarden. Zou de vakspecialist onderscheid gemaakt hebben in erosiegevoeligheid tussen gebieden met naaldbomen en

Totstandkomingsproces / GIS-model bij de erosiegevoeligheidskartering. Het GIS-model is zwart weergegeven, de input van de vakspecialist (classificatie) is blauw weergegeven. Bovenaan staat de input, drie bestanden, onderaan de output: de erosiegevoeligheidskaart (zie verder tekst)

gebieden met loofbomen, dan zou de GIS-specialist op zoek moeten naar een andere kaart waar dat onderscheid in bos ook op wordt gemaakt. In het uiterste geval zou de GIS-specialist de vakspecialist / onderzoeker moeten teleurstellen, namelijk, het model moet worden aangepast. Let wel dat is een uiterste redmiddel. Zou de GIS-specialist niet beschikken over een kaart met onderscheid in grasland en akkerland (staat vaak zonder begroeiing!) dat zal er een waardeloze kaart uitkomen, omdat deze erosiegevoeligheid van deze twee klassen ver uiteen ligt. Zou de GIS-specialist echter niet beschikken over een kaart met de ligging van de snelweg, of hij heeft een kaart met bebouwd - waarin snelweg én bebouwig in één klasse vallen - dan is dat voor de onderzoeker waarschijnlijk geen groot probleem; het model maakt dit onderscheid niet. Merk op dat er géén categorie 'geen erosie' is. De vakspecialist heeft onvoldoende vertrouwen in de data om dit te kunnen voorspellen, óf het blijkt dat deze categorie gewoon niet waar te maken is; overal kan nu blijkbaar altijd een beperkte mate van erosie plaats vinden.

NB: De vakspecialist had ook dezelfde persoon kunnen zijn als de GIS-specialist, wanneer deze over de juiste GIS-expertise zou beschikken. Dit komt bij grotere onderzoeksinstituten vaak voor. GIS wordt dan ook vaak op meerdere opleidingen als ondersteunend vak gedoceerd.

• 3. GEO-INFORMATIE VERZAMELEN

De GIS-specialist moet nu op zoek naar kaarten waarin 'de voorspellers' staan. Dat is een landgebruikskaart en een hellingklassekaart. In de figuur aan het begin van dit hoofdstuk zie je het gebied waar het om gaat, in Zuid-Limburg (Bron: eigen onderzoek 1996, bij het vak 'Hands on GIS', UU, Fac.der Ruimtelijke Wetenschappen). Op basis van een kartering van wegen, het landgebruik en hoogtelijnen is deze landgebruikskaart tot stand gekomen. Het lastige is nu: de GIS-specialist beschikt niet over een hellingklassekaart.

• 4. GIS-BEWERKING1: INPUT GENEREREN

De Hellingklassen moeten berekend worden. Dat kan op basis van de hoogtelijnen. In het gesprek met de vakspecialist was het ontbreken van de hellingklassenkaart geen probleem, omdat de GIS-specialist al wist dat zo'n kaart relatief eenvoudig te brekenen is op basis van hoogtelijnen. Gebieden tussen hoogtelijnen, en rekeninghoudend met zogenaamde breeklijnen (wegen, rivieren). Dit gaat met een tussenstap. Afhankelijk van de afstand tussen de hoogtelijnen wordt een zogeheten Triangulated Irregular Network (TIN) kaart gemaakt. Dat is een kaart met allemaal driehoeken tussen de hoogtelijnen(punten). Hierbinnen moet dan aangenomen worden dat de hoogte binnen de zo ontstane driehoeken regelmatig afneemt of toeneemt. Voor elke driehoek is dan dus ook de helling te berekenen. In de getoonde groene kaart met driehoeken is een klasse-indeling gemaakt om te kunnen bestuderen of er niet te veel of te grote driehoeken voorkomen met uitzonderlijk lage of hoge hellingsklassen. Deze GIS-bewerking vereist dus zowel GIS-kennis (wat kan er met dit pakker en hoe voer ik dat uit) als GIS-ervaring. Hoe stel in de parameters voor deze GIS-bewerking in. GIS is géén toverdoos en niet elke opmerking als 'dit is dank zij een GIS uit te voeren met één druk op de knop' mag zomaar serieus genomen worden.

Hellingsklassekaart op basis van TIN's, o.b.v. een raster en de uiteindelijke erosiegevoeligheidskaart. Merk op dat de twee linker figuren inhoudelijk exact dezelfde data representeren! (zie verder tekst)

• 5. GIS-BEWERKING2 CONVERSIE VAN VECTOR NAAR RASTER

De vakspecialist heeft verteld dat er enige onnauwkeurigheid zit in zijn voorspelling. De GIS-specialist kent de onnauwkeurigheid van de landgebruikskaart. Ook de vectordata (TIN-data zijn een vorm van vectordata) is te nauwkeurig gemodelleerd. De GIS-specialist en de vakspecialist bespreken hun ervaringen op dit gebied in een tweede aanvullend gesprek. Er wordt besloten om de hellingklassekaart en de landgebruikerskaart om te zetten naar rasterdata met pixels van 25 bij 25 meter. Die hellingklassekaart is te zien in de blauwe figuur in het midden. Tevens wordt besloten het eindresultaat (de erosiegevoeligheid) niet nauwkeuriger te representeren als met pixels van 50 bij 50 meter. De vakspecialist zal overigens in zijn publicatie gaan opmerken dat het model indicatief is; de pixels die de verschillende erosiegevoeligheden zullen gaan aangeven, zijn niet heilig. Het is en blijft een voorspelling, en het model kan er voor een beperkt deel van het gebied naast zitten. Hiermee is het model niet ongeldig. De GIS-specialist hoeft in dit geval naar de vakspecialist niet zijn vrees uit te spreken dat kaartlezers dit verkeerd kunnen interpreteren. De onderzoeker publiceert richting een goed opgeleid publiek en voorziet de kaart van een voorbehoud.

• 6. GIS-BEWERKING3: OVERLAY-TECHNIEK EN RECLASSIFICEREN

De input is gereed, dat wil zeggen, twee rasterdatabestanden: de hellingklassekaart en de landgebruikskaart. Beide rasterdatabestanden worden als het ware over elkaar heen gelegd ('overlay'-techniek), waarna van elke pixel van 25 bij 25 meter wordt 'uitgelezen' door de GIS-software, wat het landgebruik is en wat de hellingsklasse is. Deze wordt vertaald naar een erosiegevoeligheid middels de eerder genoemde tabel. Deze techniek heet reclassicificatie. De gemiddelde erosiegevoeligheid van 4 cellen (50 bij 50 meter) wordt weggeschreven in een nieuw rasterdatabestand met de erosiegevoeligheid.

• 7. REPRESENTATIE: DE KAART

Het laatst genoemde rasterdatabestand kan direct dienen binnen een GIS om er een kaart mee te maken (zie de geel/rode kaart rechts). Voor de kleur rood is gekozen vanwege de alarmerende werking. Veel erosie betekent dat er waarschijnlijk maatregelen moeten worden getroffen, of dat er vaak problemen zijn te verwachten. Geel als lichtere tint én andere kleur vertolkt minder zware risico's. Dergelijke overwegingen komen later in dit handboek aan de orde. Aardig om te constateren. De kleur grijs staat voor nauwelijks erosie. Er kan echter wel degelijk erosie plaatsvinden! De kleur grijs had daarom beter (heel) licht geel kunnen zijn. Grijs 'als kleur' vertolkt in een goede kaart vaak de functie van 'onbepaald', 'geen gegevens bekend'. Wit vertolkt vaak de functie van 'waarde is nul' of 'niet meegenomen in de studie'. Overigens, ook al is de doelgroep niet de lokale bewoners, maar de onderzoeker, dan nog had voor de duidelijkheid een deel van de topografische kaart als referentie moeten dienen. Met andere woorden, de dorpskernen, de namen en een aantal hoofdweg hadden moeten worden toegevoegd voor de oriëntatie.

CONCLUSIE: Met simpele overlay-technieken is GIS als voorspeller in te zetten. Dit gebeurt door de waarde uit verschillende thema's / datasets, al of niet op basis van een gewogen bijdrage, op te tellen per locatie. De optelsom bepaalt, een score met een minimum en een bepaald maximum, geeft dan met een relatieve score aan hoe waarschijnlijk daar iets zal voorkomen. Dit werkt voor de kans op erosie, zoals in deze case, maar dat geldt ook voor bodemgeschiktheid voor een bepaald gewas, de kans op archeologische vindplaatsen, de kans op natuurontwikkeling, et cetera.

Literatuur

Zie voor literatuur: het laatste deel van dit handboek.