Geo-visualisatie/Inleiding GIS

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

Bestand:Boek.gif Doelstellingen van deze module 'Inleiding GIS': Na het lezen van deze module kent de lezer de belangrijkste GIS-begrippen en - principes tot op een niveau waarmee zowel een gemiddelde GIS-software-handleiding is te begrijpen, als waarmee de rest van dit handboek begrepen kan worden. De lezer kent de kracht van geo-informatie en hij kan de beperkingen van geo-informatie als input noemen, voorzover die bij het maken van analyses én kaarten van belang zijn. Wat is GIS? Een voorbeeld van een GIS-model, hier afgebeeld als een serie op elkaar gestapelde lagen informatie. Elke locatie (met een X- en Y-coördinaat) kan zo met meerdere kenmerken (Z-waarden) beschreven worden. GIS betekent Geografisch Informatie Systeem. GIS is een techniek waarbij ruimtelijke gegevens kunnen worden gegenereerd, gevisualiseerd, bewerkt en geanalyseerd. In een GIS kunnen diverse (informatie)lagen over elkaar worden gelegd. In het spraakgebruik, ook door GIS-specialisten zelf, wordt met GIS vaak nog in een bredere definitie bedoeld. De visualisatie van een GIS gebeurt meestal in kaartvorm. Zo ontstaan ruimtelijke relaties tussen de verschillende informatielagen, relaties die zonder locatiecomponent niet gemaakt konden worden en die zonder gebruik van een GIS dus verborgen zouden blijven. Bij de definitie van GIS alleen denken aan een kaartengenerator is veel te beperkt. Daarnaast kaarten kunnen namelijk met een GIS ruimtelijke analyses worden uitgevoerd met die lagen. Sterker, sommige cartografen vinden nog steeds dat een GIS helemaal geen goede kaarten kan maken. GIS is destijds in de tachtiger jaren ook ontstaan als meer een ruimtelijk, analytisch rekensysteem dan als een 'kaartengenerator'. Een hoogtekaart kan bijvoorbeeld om worden gerekend naar een hellingpercentagekaart. Vijf kaarten bij elkaar - locaties van supermarkten, wegen, aantal inwoners, gemiddeld inkomen per adres of wijk en de grondprijs - kunnen omgerekend worden naar een geschiktheidskaart voor de beste plekken voor een nieuwe supermarkt. In plaats van dat GIS als 'techniek' wordt gedefinieerd, wordt GIS ook vaak gebruikt voor een afdeling van een bedrijf, of een proces, inclusief 'data-, hard-, soft-, org- en humanware'. GIS wordt ook wel eens als synoniem gebruikt voor de complete geo-informatie voorziening. Daar valt dan ook onder de inwinning (het beheer) van geo-informatie en de ontsluiting met behulp van zogenaamde viewers aan werknemers of klanten. Soms worden vreemd genoeg ook landmeetkundige activiteiten, de landmeters zelf en vastgoedafdelingen van gemeentes tot GIS en de afdeling GIS gerekend. GIS-software maakt per definitie gebruik van een geo-informatie, en als het goed is, is die geo-informatie samenhangend ingebed in een GIS-model / de processen die een GIS moet ondersteunen voor een onderzoeksdoel of organisatie ('orgware'). Volgens J. Maantay en J. Ziegler zou in elke willekeurige definitie van GIS nooit de GIS-gebruiker mogen ontbreken, omdat deze essentiële expertkennis toevoegt, door het bedienen ervan, door de selectie van geo-informatie, de keuze van de GIS-functionaliteit en de representatie van het resultaat. De reikwijdte van verschillende GIS-definities, en de componenten die meestal genoemd worden (zie tekst). Uit het voorgaande blijkt dat er geen eenduidigheid is over de definitie van GIS. Afhankelijk van de betrokkenheid, de kennis of het doel zijn de vele definities wel in drie soorten in te delen (zie figuur): de ruimste GIS-definities omvatten 'alles': human-, org-, data- soft- en hardware de meer gebruikelijke GIS-definities omvatten minimaal de dataware en de software de meer beperkte definitie omvat alleen het aangschafte software pakket. Die laatste definitie is letterlijk beperkt te noemen, omdat de software die de fabrikant levert niets kan zonder data en een logisch model (de gebruikelijkere definities) en iemand die het GIS kan bedienen met de juiste GIS-tools (de bredere definities). Merk op dat de werkelijkheid niet tot een GIS behoort, zoals dat met geen enkel informatiesysteem het geval zal kunnen zijn. In de module Communicatie voor Cartografen zal hier verder op worden ingegaan. Wat kan met een GIS? Hoe data-lagen in een GIS zichtbaar zijn en 'gestapeld' worden weergegeven; twee voorbeelden uit de gemeente. De belangrijkste soorten toepassingsmogelijkheden van GIS-software zijn: visualisatie van informatie die op een locatie betrekking heeft. Dit is de bekendste bijdrage van GIS. analyses waarbij selecties worden bepaald op basis van nabijheid, overlap of mogelijke verbindingen via een (wegen)netwerk berekend wordt. berekeningen waarbij - geheel geautomatiseerd - aan objecten afstanden, gebiedsbeschrijvingen worden toegekend, op basis van nabijheid of overlap met andere gebieden. Dit is te zien als verrijking van informatie, en maakt het beheer vaak veel efficiënter. beheer van geo-informatie. Dat wil zeggen, de totstandkoming van geo-informatie en wijzigingen daarna verwerken. planning en voorspelling. Bouwprojecten kunnen begeleid worden. Door kaarten van bodem, klimaat, helling, grondgebruik te combineren kan erosie voorspeld worden, en op basis van sociaal-economische thema's kunnen gunstigste locaties voor bedrijven, wegen, stations en natuurgebieden bepaald worden. Met een aantal voorbeelden uit de gemeentelijke wereld wordt dit hieronder verder duidelijk gemaakt. Dit gebeurt zonder hierbij de indruk te willen wekken een volledige opsomming van alle mogelijkheden van een GIS te noemen. Wel zal de kracht en verscheidenheid van GIS in zijn volledige breedte duidelijk worden. Het voorbeeld komt uit de beheertaken van de gemeente, die verantwoordelijk is voor het beheer van de openbare ruimte, zoals lantaarnpalen, de ondergrondse leidingen, en communicatie met de rechthebbenden van de percelen. Hoe een kaart met één wijziging van de legenda kan wijzigen. De data-laag 'ondergrondse leidingen' is bij kaart A gevisualiseerd op soort, en bij kaart B gevisualiseerd op vervangingsjaar. Bij kaart C zijn de kaartlagen in de verkeerde volgorde gevisualiseerd. Vlakken dienen in het algemeen als eerste ('onderaan') getekend te worden. Ad Visualisatie: In de figuur hierboven is te zien van hoe data-lagen in een GIS of GIS-model opgenomen zijn. Tezamen vormen ze een kaart. De informatie (lees: objecten) uit de datalagen wordt op het scherm getekend in een bepaalde volgorde; van onder naar boven. Bij kaart A kan de gemeente zien welke leidingsoort waar ligt en in welke straten lantaarns zijn. Bij kaart B is - dankzij een legendawijziging waarbij de data zelf niet wijzigt - te zien welke leidingen wanneer vervangen dienen te worden. De kleur staat plotseling niet meer voor een leidingsoort, maar voor een jaartal. De onderste kaartlaag - in dit voorbeeld bij kaart A en B: 'percelen' - wordt dus het eerst getekend. Datalagen met vlakken, zoals percelen, staan daarom vrijwel zonder uitzondering onderaan, lijnen daar boven en data-lagen met punten staan daar weer boven. Anders zouden de datalagen (vaak thema's of - foutief- kaartlagen genoemd) met vlakken de symbolen bedekken en onzichtbaar maken. Dit laatste is te zien in kaart C. Leuk detail: merk op dat in het GIS-model de ondergrondse leidingen 'boven' de percelen liggen... Zonder deze 'truc' - lees: zonder de werkelijkheid 'geweld aan te doen' - zouden ondergrondse leidingen nooit gevisualiseerd kunnen worden. Vier toepassingsvoorbeelden van GIS. D = Welke percelen hebben last leidingen die in 2008 worden vervangen?; E = Welke leidingen liggen onder een bepaald perceel?; F = Bepaal de wijknummers voor alle percelen. F = Welke percelen liggen binnen 50 meter van een lantaarnpaal? Ad Analyses: Kaart D: Wanneer een leiding vervangen moet worden, is het handig - voor het op de hoogte stellen van de betrokken bewoners - om te weten welke perelen hiermee gemoeid zijn. De betrokken percelen kunnen (per jaar of per leidingsoort) berekend worden. Met een GIS (lees: door het weten van de locaties van zowel de percelen als de leidingen) kunnen dergelijke zaken vrijwel met één druk op de knop gevisualiseerd en berekend worden. Zonder een GIS had de gemeente alle percelen aan alle leidingen moeten koppelen, bijvoorbeeld in een relationele database. Dat was veel kostbeerder en lastiger te beheren geweest. Kaart E: van één perceel kan automatisch berekend worden welke soort objecten (hier: leidingen) er onder liggen. Dat kunnen er meerdere zijn, één, of géén. Ook dat laatste is een antwoord! Ad Berekeningen: Kaart F: Wanneer de gemaakte analyses worden weggeschreven in de database (bij de geo-informatie wordt opgeslagen) is sprake van verrijking van data. Bij kaart F is de datalaag 'wijken' over de eerder getoonde kaart 'heengelegd'. Met één 'druk op de knop' zijn alle percelen uit de database aangevuld met het 'attribuut' (kenmerk) "wijknummer". De GIS bespaart op deze wijze veel invoertijd bij de beheerders en de kans op fouten neemt af. Kaart G: Hier is te zien hoe percelen worden geselecteerd die binnen 50 meter van lantaarpalen liggen. Wanneer hier bijvoorbeeld onderhoud bij moet worden gepleegd, of de kleur verandert van wit naar neon, dan zijn die omwonenden 'met een druk op de knop' bekend, zonder handmatige berekeningen. Ad beheer: Met beheer wordt bedoeld, inwinning, controle, invoer, aanpassingen en verwerking van verkregen data tot dat deze maximaal geschikt is voor geautomatiseerde verwerking. In de paragrafen 'Objectsoorten en opslag van geo-informatie' en 'Het bijzondere van GIS-data: de attributen' wordt verder toegelicht hoe dit in zijn werk gaat. In de paragraaf hiervoor zagen we al een reden waarom beheer van data soms makkelijker in de GIS kan gebeuren dan met andere (teken- of database) systemen; door bepaalde berekeningen kunnen gegevens eenvoudiger en/of met minder fouten ingevoerd worden. Ad planning en voorspelling: In de inleiding van dit handboek is eerder getoond hoe bepaald kan worden hoe varianten van een nieuwe weg om en dorp berekend kunnen worden (klik eventueel op de figuur rechts). De GISspecialisten (vaak van ingenieursbureau's) gebruiken daartoe hellingkaarten, kaarten met juridische beperkingen, en natuurwaardekaarten om te bepalen welke wegen en varianten mogelijk zijn, en wat de varianten kosten qua natuuropoffering en qua geld. Milieueffectrapportages zijn hier een mooi voorbeeld van. Als het gaat om voorspelling: hoe snel en waar een polder het eerst onderloopt is te bepalen met een GIS, waardoor een evacuatieplan beter kan worden geoptimaliseerd. Ook erosie in Limburg kan zo goed worden voorspeld. Dit zijn voorbeelden van een aantal zeer gangbare functionaliteiten van GIS-software. De werkelijke mogelijkheden zijn véél groter. GIS als software bestaat als sinds de 80-er jaren. De ontwikkelingen zijn met name sinds 1990 zeer hard gegaan, en zijn betaalbaar geworden. Op het gebied van beheer, 3D-visualisatie, geo-statistiek, geo-coderen, cartografie, geo-processing, netwerk-analyses zijn de functionaliteiten zeer breed en specialistisch te noemen. GIS-toepassingen zijn onder meer te vinden in / bij: incidentmanagement, risicomanagement en risicokartering marketing en verzekering mobiele toepassingen (inwinning geo-informatie, politietaken, periodiek inspecteren van van objecten (schouwen) :* bezig met uitbreiden en sorteren... NB: Dit handboek richt zich met name op het (goed) visualiseren van geo-informatie. Analyses en (beheer)toepassingen zijn vaak én zeer specifiek, én worden als mogelijkheden vaak al in de GIS (software) boeken uitgebreid uitgelegd. Daarnaast zijn die functionaliteiten per GIS-pakket zeer verschillend en worden ze verschillend genoemd. Wat is een GIS-model? Geo-informatie is als een pop of een modelauto; het is niet de werkelijkheid, maar geeft modelmatig weer hoe over de objecten nagedacht wordt, of nagedacht dient te worden. Zo'n model lijkt een beperking, maar kan ons ontzettend goed helpen om dát te zien waar het om gaat, en niet meer. Voordat er een kaart gemaakt kan worden heb je - zoals eerder opgemerkt- een GIS-model nodig. Simpel gezegd is een GIS-model een verzameling (kaart)gegevens, verkregen uit metingen of berekeningen, meestal van een beperkt gebied; geo-informatie. GIS-modellen bestaan uit gestapelde, digitale lagen (geo-)informatie (datasets). De lagen liggen in één overeenkomstig assenstelsel. Elke laag bevat (de locaties) van objecten. Elke locatie of object is gelinkt aan een database met attribuut-informatie (in het figuur de Z-as). De 'Z'-as is in dit verband niet per definitie een 'hoogte'as, maar geeft - voor welke laag dan ook - de attribuutwaarde weer. Bijvoorbeeld de hoogte, het grondgebruik, de onderhoudstatus of de aanwezige of toekomstige infrastructuur. Op basis van overeenkomstige Z- en Y-waarden kunnen de Z-waarden in een model verder verwerkt of gebruikt worden. Het kunnen combineren van de kaartlagen geldt dus niet alleen voor het kaarten maken, maar ook voor verdere analyses. De attribuutwaarden zelf kunnen namelijk geherclassificeerd worden. Of ze kunnen samen met attribuutwaarden van andere lagen gecombineerd worden, door zogenaamde ruimtelijke analyses. Hierboven werd al een voorbeeld genoemd waarbij een nieuwe supermarktlocatie moest worden bepaald met een GIS. Gezien de input - er werd over vijf soorten informatielagen gesproken - was er in die 'case' al een (sociaal-economisch) GIS-model bekend. GIS-modellen kennen blijkbaar niet alleen een ruimtelijke component (jouw input) maar ook een vakinhoudelijke kant. Kijk eens naar het figuur met de foto van een Oostenrijks dal. Hier is de plaats van een GIS-model te zien bij de totstandkoming van een GIS-opdracht. De GIS-opdracht was simpel; laat zien waar de mogelijkheden zijn om een weg aan te leggen om het dorp heen, gezien alle daar geldende beperkingen. Met de nodige vakkennis (het brein rechtsboven) van een planoloog of fysisch geograaf worden de benodigde informatielagen in stelling gebracht. Zoals maximaal mogelijke hellingshoeken, belemmerende regelgeving, bebouwing, enzovoort. Merk op dat al deze input (informatielagen) een ruimtelijke component hebben. Zelfs regelgeving is in een informatielaag weer te geven. Kartering van een smal Oostenrijks dal met te veel wegverkeer door het dorp. Tezamen vormen deze informatielagen het belangrijkste deel van het GIS-model. Het GIS-model wordt gebruikt als een modelmatige representatie van de werkelijkheid, op basis van hoe tegen de werkelijkheid aan wordt gekeken. Dat is dus een model met een bepaald (en beperkt) doel. De output / de kaarten die ermee gemaakt kunnen worden zijn dus ook per definitie beperkt. Merk op dat het GIS-model in de figuur niet alleen uit kaarten bestaat, maar ook uit (de mogelijkheid tot) berekeningen. In de output is namelijk ook het begrip steilheid nodig; deze wordt in het model berekend. De steilheid is door een GIS vanuit de informatielaag 'hoogte' op elk punt berekend. Dit was nodig om te kijken waar de steilheid niet te groot zou zijn. Soms lees je dat het ontwerpen van een GIS-model (of de fysieke database ervan, of het verzamelen van een set data nodig voor een kaart) hetzelfde is als het zoeken naar de beste representatie van de werkelijkheid buiten. Eigenlijk is dat zéér fout. Omwille van kostenefficiency én om moeite te besparen ga je namelijk vooral niet 'alles wat je buiten ziet' in kaart brengen. Je zult nét zo nauwkeurig data willen inwinnen, of die data aanschaffen, die nét nog voldoende is voor het beantwoorden van je vraag. Wat wél bedoeld wordt, is dat de werkelijkheid buiten - voorzover die nodig is voor het beantwoorden van vragen - zo goed mogelijk beschreven moet worden. Wat is geo-informatie? In dit handboek wordt geo-informatie gezien als input voor een GIS, noodzakelijk om een thema te visualiseren of een kaart te maken. Kennis over geo-informatie is nodig om voor de juiste input te kunnen zorgen, zodat de kwaliteit van het eindproduct - de analyse of de kaart - vooraf gegarandeerd kan worden richting de opdrachtgever en de doelgroep. Hieronder volgen daarom: hoe geo-informatie is opgebouwd en hoe dit wordt opgeslagen de eigenschappen/beperkingen van geo-informatie die hier uit volgen. Objectsoorten en opslag van geo-informatie Steeds verder inzoomen (van links naar rechts) op twee soorten geo-informatie rasterdata (bovenste rij) en vectordata. Te zien is dat door de eigenschappen en de per definitie beperkte nauwkeurigheid, er beperkingen zitten aan hoe geo-informatie kan worden gebruikt. Geo-informatie beschrijft de werkelijkheid door een beschrijving er van in drie objectsoorten: punten lijnen vlakken. Deze objecten kunnen op twee manieren in bestanden of databases worden opgeslagen: als vectordata en als rasterdata. Bij de opslag worden de objectgegevens vaak in twee delen beschreven: De geografie, waarin de coördinaten van de objecten - de locatie ervan op aarde in een bepaald coördinatiestelsel - worden beschreven. De administratieve gegevens', waarin de 'attributen' worden beschreven. Met 'administratief' wordt bedoeld de tekstuele of numerieke classificatie of benoeming. Denk aan omschrijving, kwalificatie, status, naam, jaartal, et cetera. De reden dat geografische en administratieve gegevens in twee aparte delen worden beschreven, heeft te maken met het feit dat het lezen, opslaan en vooral rekenen met geografische gegevens veel efficiënter en sneller kan indien die gegevens in aparte, binaire formaten worden opgeslagen. Dit apart opslaan gebeurt zowel in bestandsgeoriënteerde opslag als bij ruimtelijke databases, ook al lijkt het soms om één bestand of één tabel in de database te gaan. Naast de geografische en administratieve objectgegevens kunnen bij de geo-informatie ook andere, extra gegevens worden opgeslagen, zoals: projectiegegevens standaardlegenda onderlinge relaties cartografische coördinaten indien die moeten afwijken van hun geografische coördinaten en topologische regels, waarmee onderlinge consistentie op attribuutwaarden en geografische kenmerken kunnen worden afgedwongen metadata. Metadata is 'data over data', waarmee bedoeld wordt dat de gehele dataset, dus niet de individuele objecten, beschreven wordt met kenmerken als actualiteit, beheerder, betekenis van de attributen, compleetheid, geografische dekking, inwinningsschaal, enzovoort. Metadata kan zowel los, als bij het bestand zijn opgeslagen. Metadata is essentieel voor het kunnen gebruiken en interpreteren van de geo-informatie, zie onder 'toepassingscontext'. Overigens, ook bij de uiteindelijke publicatie kan het nuttig of noodzakelijk zijn om delen uit de metadata kenbaar te maken aan de doelgroep. Bijvoorbeeld door onder aan een kaart te melden: 'Het percentage CDA-stemmers per gemeente is uit een exit poll van 2006, en kent een nauwkeurigheid van plus of min 2 %'. Merk op dat er bij geo-informatie een attribuutnauwkeurigheid is en een geometrische nauwkeurigheid. Attribuutnauwkeurigheid wordt vaak vergeten door GIS-specialisten. Bij vectordata worden de locaties van individuele objecten beschreven middels punten, lijnen en vlakken: Een punt(object) wordt voorgesteld door één coördinaat. Een lijn bestaat uit minimaal twee met elkaar verbonden coördinaten. Zijn het er méér dan twee dan worden de tussenliggende coördinaten vertices genoemd. Hoe méér vertices, hoe nauwkeuriger de lijn kan worden opgeslagen; De omtrek van een provincie is met 100 punten te beschrijven, maar met 1000 punten is beter wanneer ook op gemeenteniveau moet worden ingezoomd. Een vlak (ook wel een polygoon genoemd) bestaat uit een lijn waarvan het beginpunt gelijk is aan het eindpunt; alle coördinaten ertussen behoren tot dat vlak. Er kunnen ook vlakken met gaten en zogeheten multivlakken beschreven worden. Bij multivlakken wordt bijvoorbeeld de provincie Friesland als één object gedefinieerd, dus de vlakken van het vaste land en die van de eilanden worden als één object, een regel, opgeslagen. Dit heeft onder andere als voordeel dat de naam en de afkorting van de provincie niet voor elk onderdeel van zo'n vlak hoeft te worden opgeslagen en beheerd. Maar ook is het oppervlak van de gehele provincie met dat ene multivlak direct te berekenen in een GIS. Voorbeeld van (onomkeerbare) conversies van vector- naar raster-data en weer terug. Bij rasterdata worden objecten - onafhankelijk of het lijnen, punten of vlakken zijn - door attribuutwaarden op een (meestal) regelmatig grid (raster) opgeslagen. Een rastercel wordt ook wel pixel genoemd, niet te verwarren met de pixels van een beeldscherm. Pixel is afgeleid van het Engelse 'picture element'. Een object kan nooit nauwkeuriger dan de grootte van één pixel worden beschreven. Is een (punt-, lijn, of vlak) object kleiner dan een halve pixel, dan zal dit object niet worden beschreven, óf het object is bewust te groot afgebeeld. Een lijn bestaat uit meerdere losse pixels (zie de rivier in het middelste plaat rechts). Zoals het is opgeslagen is het geen lijn, slechts visueel is dit als lijn te herkennen, omdat de individueel opgeslagen 'lijn/rivier' pixels met dezelfde kleur zijn gevisualiseerd. Merk op dat in het voorbeeld de rivier ergens ook geen aangrenzende pixels kent! In elke pixel wordt één of meerdere attributen gedefinieerd, zoals in het voorbeeld de grondgebruiksklasse. Elke pixelwaarde is onafhankelijk van waarde in de pixel daarnaast, en wordt dus ook onafhankelijk van de andere waarde opgeslagen. Rasterbestanden zijn dan ook vaak groter dan vectorbestanden, waarin de waarde van een groot vlak slechts één keer wordt opgeslagen. In een GIS kunnen rasterbestanden alleen worden ingelezen als deze bestanden ook ruimtelijke context bevatten. Hierin staat meestal de celgrootte van het raster dat gebruikt is, bijvoorbeeld in meters, en de coördinaten van de linker onderhoek. Deze informatie kan in het bestand zelf staan, zoals bij een 'Geo-tiff'-bestand, of er buiten in een apart bestand worden opgeslagen, zoals bij een 'tif-bestand'. Die aparte bestanden worden soms ook world-files genoemd. Houdt dit in de gaten als je rasters aangeleverd krijgt. Zonder deze coördinaten kan je de rasterdata nooit (of zeer onnauwkeurig) op de juiste plek in je GIS / kaart krijgen. Op luchtfoto's en satellietbeelden bepaalt de grootte van de objecten of een punt- of lijnvormig object nog (goed) waargenomen kan worden, zie de afbeelding van Texel. Bij topografische rasterkaarten zijn puntobjecten vaak symbolisch vergroot. Denk aan kerktorens, hunebedden, windmolens en wegwijzers. Rasterdata bestaat er in: een 'intelligente' vorm, waarin elke rastercel een attribuut vertolkt dat ook een fenomeen beschrijft, zoals in het voorbeeld rechts, het landgebruik. Bijvoorbeeld: alle pixels met het grondgebruik 'bos' krijgen als attribuutwaarde in de kolom grondgebruikklasse de code 'B' (afkorting van Bos). De visuele kleur is dan voor alle pixels in één actie te bepalen met GIS, waardoor het bos geheel groen wordt (of rood indien gewenst). een 'niet intelligente' vorm. Hierbij beschrijft de rasterdata met kleuren rechtstreeks een luchtfoto of kaart. De cellen hebben dan géén attribuutwaarde, maar een kleur. Die kleur kan een kleur zijn zoals een satelliet- of luchtfoto die heeft waargenomen, of zoals een kaartenmaker die heeft bepaald. Met een GIS zijn die kleuren slechts iets lichter of iets donkerder te maken. Een luchtfoto lichter maken kan handig zijn als die luchtfoto's letterlijk op de achtergrond moet komen, zie verder Deel C; kaartopmaak. Rechts een voorbeeld van hoe de kwaliteit van data achteruit kan gaan bij conversies. Hier betreft het eerst een 'vector-naar-raster' conversie, daarna een 'raster-naar-vector' conversie. Doordat bij de eerste conversie een grof grid is gebruikt, is de middelste rasterdata wellicht niet geschikt voor bepaalde gedetailleerde uitspraken. Het is ook mogelijk dat rasterdata geconverteerd wordt naar vectordata. Wanneer dat het geval is lijkt de nauwkeurigheid misschien groter geworden; er kan op worden ingezoomd zonder dat men de grootte van de originele cellen ziet. Merk op dat in dit voorbeeld de rastergrootte erg groot is, dat de rivier als vlak niet meer één gesloten vlak is en dat (veel detail bij de) bebouwing verdwenen is. Bij oppervlakte berekeningen van het bos zou een dergelijke kaart misschien nog voldoende zijn. Bij zowel raster- als vectordata is het ver kunnen inzoomen gelimiteerd. Bij ver inzoomen op rasterdata is de onnauwkeurigheid als snel te zien door de blokkerige structuur. Bij vectordata is de onnauwkeurigheid niet te zien: de objecten zijn in vlakken of lijnen. Er gaat altijd informatie verloren, deze kan beperkt worden bij een kleine celgrootte van het raster. SAMENVATTING: Objecten kunnen met geo-informatie middels punten, lijnen en vlakken worden beschreven. De beschrijving bestaat meestal uit zowel hun de coördinaten van de objecten, als uit andere objectkenmerken en -beschrijvingen. De objecten kunnen als rasters en als vectoren worden opgeslagen. Een mogelijke conversie van rasterformaat naar vectorformaat zorgt niet voor verlies van kwaliteit, maar wel verlies van kennis over die kwaliteit. Een conversie andersom, van vector naar raster formaat, zorgt bij te grote rastercellen al gauw voor verlies aan kwaliteit. TIP: In het algemeen geldt: zorg dat je kennis hebt over hoe de kaarten die jij gebruikt tot stand zijn gekomen. CAD-data en GIS-data Een typisch voorbeeld van CAD-data. Teksten zijn geometrisch opgeslagen, eigenschappen van bepaalde gebieden, zoals asfaltering of gebruik, zijn met puntsymbolen en afgekorte teksten aangeduid. Een typisch voorbeeld van GIS-data. De teksten zijn in de attributen opgeslagen. Soms worden die gebruikt om labels te genereren, meestal worden ze gebruikt om met een kleur een eigenschap (bouwland, grasland of geasfalteerd) aan te geven. Merk op dat het kruispunt als een apart object is getekend. Vaak wordt door GIS-specialisten gesproken over de term 'GIS-data', als verbijzondering van geo-informatie. Ze doen dat bewust, omdat niet alle soorten geo-informatie met een GIS eenvoudig tot een kaart zijn om te vormen. Geo-informatie is namelijk een verzamelterm voor alle informatie met en geografische component. Dus ook CAD-(Computer Aided Design) gegevens vallen onder geo-informatie. Het bijzondere van GIS-data is dat niet alleen de punten, lijnen en vlakken worden opgeslagen, ook de bij die objecten horende attributen. Vandaar dat GIS-data, boven CAD-data, ook wel 'intelligente' data worden genoemd. Daardoor zijn er binnen een GIS plotseling veel meer mogelijkheden, zowel op het gebied van visualisaties (zie volgende paragraaf) als op het gebied van ruimtelijke en administratieve analyses. Overigens, met 'administratief' wordt bedoeld niet de ruimtelijke gegevens van objecten in GIS-data, maar de tegenhanger ervan, de tekstuele en numerieke tabelgegevens. Enkele eigenschappen van CAD-data en GIS-data: CAD-data wordt vaker voor ontwerp- en landmeetkundige toepassingen gebruikt. Bij CAD-data hangt er aan objecten meestal geen database gegevens aan. Voorbeelden van CAD-formaten die een GIS-specialist kan tegenkomen zijn Designfiles (dgn) van Microstation en Drawing-files (dwg) van AutoCad. Kleur en lijnstijl geven kenmerken weer van wat gekarteerd is. In CAD-data wordt de kleur en de lijnstijl direct in het (geografische) bestand opgeslagen. Hierdoor is nauwelijks te selecteren op kenmerken, of met de kenmerken te rekenen. In de figuur is te zien dat niet alle lijnen van een CAD-bestand per se elkaar moeten raken; het is meer een tekening van symbolen, dan dat elk individueel object is beschreven. Teksten zijn dicht bij de symbolen geplaatst, zodat visueel duidelijk is welk nummer hoort bij welk punt, of welke beschrijving (struiken, bomen) hoort bij welk vlak. GIS-data wordt meer voor beheerdoeleinden gebruikt, denk aan het beheren van de infrastructuur, transport, het gemeentelijk groen en vastgoed. In GIS-data wordt, in tegenstelling tot bij CAD-data, in het bestand meestal niet opgeslagen hoe de objecten er in gevisualiseerd moeten worden. Dat visualiseren moet nog in een GIS gebeuren en gaat geautomatiseerd voor alle objecten gelijktijdig op basis van de attribuutwaarden in de achterliggende database. Dat biedt de GIS-specialist een ongekende vrijheid om de GIS-data te visualiseren. De gekozen visualisatie wordt door zo'n GIS buiten de GIS-data opgeslagen. GIS-specialisten hebben dus het liefst GIS-data, ook wel intelligente of 'GIS-waardige' data genoemd. Overigens, in de meeste GIS-pakketten is ook CAD-data in te lezen. GIS-pakketten hebben er echter wel vaak moeite mee. De in CAD-data opgeslagen visuele eigenschappen als lijndikte, lijnstijl en kleur en gebruikte puntsymbolen gaan dan verloren. Is CAD-data objectgeoriënteerd, dan kan deze met wat moeite omgezet worden in GIS-data. Ontwikkelaars van CAD-software slagen er steeds meer in om ook met hun CAD objectgeoriënteerd bestanden te kunnen leveren, waar wél attribuutdata in opgeslagen is en die wél goed is in te lezen in een GIS. CAD en GIS groeien daarmee steeds meer naar elkaar toe. Soms lezen ze dezelfde data in. In de praktijk zal echter voorlopig nog steeds gelden: werk je met een GIS, zoek dan in eerste instantie naar GIS-data. Objectgeoriënteerd Wel of niet objectgeoriënteerd tekenen bepaalt de waarde ervan voor een GIS. In dit voorbeeld zijn twee aangrenzende kadastrale percelen op drie verschillende wijzen getekend. Links zijn lijnen getekend, rechts zijn objecten getekend (objectgeoriënteerd). Met name bij CAD-data worden lijnen van objecten niet altijd netjes exact op elkaar aangesloten (zogeheten undershoots). Dat is ook niet erg wanneer deze data 'slechts' voor visualisatie wordt gebruikt, zolang er maar niet te ver op wordt ingezoomd. Het is dan ook niet erg dat de tekenaars de lijnen te ver doortrekken daar waar ze op een andere lijn hadden moeten eindigen (overshoots). Met andere woorden CAD-bestanden worden lang niet altijd wat we noemen 'objectgeoriënteerd' opgebouwd. Bij verwerking in een GIS is dit objectgeoriënteerd zijn echter vrijwel een noodzaak. Met objectgeoriënteerd (ook vaak objectgericht genoemd) wordt bedoeld dat de lijnen niet getekend zijn om allerlei grenzen aan te geven, maar om de objecten aan te geven. Begin- en eindpunten van lijnen zijn niet lukraak gekozen, maar stoppen en starten daar waar het object ook begint en eindigt. Ook voor vlakken geldt dat die niet omgeven worden door lukraak getekende lijnen, maar door één omhullende lijn. Twee rechthoekige aangrenzende percelen worden niet weergegeven door 7 of 8 lijnen, maar door 2 vlakken (zie figuur). Tijdens het digitaliseren met CAD-software of achteraf met een GIS is middels topologische regels af te dwingen dat lijnen en vlakken objectgeoriënteerd worden getekend of opgeslagen. Er is bijvoorbeeld in te stellen dat lijnen op minimaal twee andere lijnen moeten aansluiten, anders had die lijn één lijn moeten zijn. Of dat vlakken (in het geval van grondgebruik of percelen) elkaar niet mogen overlappen. Zie verder de toelichting bij de figuur. TIP: Wil je verstoken blijven van problemen of conversies met je GIS om CAD-data om te zetten naar GIS-(waardige) data, zorg dan dat de CAD-data die je krijgt objectgeoriënteerd is, of, veel beter, dat je GIS-(waardige) data krijgt. Ben je toch afhankelijk van niet-objectgeoriënteerde CAD-data, dan kan je die in een GIS waarschijnlijk alleen als achtergrondkaart gebruiken. Veel berekeningen of een ingewikkelde visualisatie op basis van verschillende lijn- of vlak-soorten zullen niet lukken. Het bijzondere van GIS-data: de attributen Hieronder, om elk misverstand uit te sluiten, hoe objecten uit werkelijkheid en de attributen van die objecten worden opgeslagen in een GIS-bestand. Hoe objecten en hun attributen in rijen en kolommen worden opgeslagen in een GIS. Dit geldt voor vrijwel alle dataformaten van alle leveranciers, voor zowel file-gebaseerde bestanden als op databases. Het meeste zal de lezer logisch voorkomen. Maar wie nog onbekend is met GIS moet de opbouw kunnen begrijpen. Niet zozeer om een GIS-specialist te kunnen volgen, maar om het maximale uit een GIS te halen. In het figuur hieronder wordt duidelijk dat GIS-data uit een geografische en een administratieve component bestaat: GIS-data zoals die wordt opgeslagen in een bestand of database bestaat uit twee delen, een geografisch en een administratief deel. Of het nu punten, lijnen of vlakken zijn, de objecten die in beide delen worden beschreven zijn via een 'ID' gekoppeld. In de geografische component wordt de geometrie beschreven, oftewel de bij de objecten behorende coördinaten van de punten of vertices (bij lijnen en vlakken). In de administratieve component worden alle thematische gegevens beschreven, op basis van allerlei denkbare tekstuele en getalsmatige gegevens. Zonder geo-visualisatie is GIS-data slechts ruwe data. Pas met een GIS komt de data tot leven en ontstaat een echte kaart. Dat gaat op basis van de attributen bij de GIS-data; voorwaarde is dat de data objectgeoriënteerd is. Te zien zijn drie voorbeelden met dezelfde GIS-data (linksboven) als uitgangspunt. Rechtsonder zijn die attributen niet als symbolen, maar als teksten geplaatst. Middels een ID (dit is een Engelse afkorting, spreek uit: "ai-die") oftewel een overeenkomstig 'identificatienummer', is bekend welke regel in de tabel bij welke object in de kaart hoort. Bij bedrijfstoepassingen of bij zeer grote hoeveelheden administratieve gegevens word veel attribuutgegevens vaak opgeslagen en beheerd buiten de GIS-data, in een externe database. Slechts dat éne ID is dan voldoende om de objecten op basis van attributen uit de database juist te kunnen visualiseren. Er moet dan wel een verbinding (of on-line koppeling) tussen het GIS-pakket en die externe database zijn. Wanneer je in een GIS-pakket GIS-data laadt, zal eerst voor alle objecten uit een GIS-bestand één willekeurige kleur worden getekend. Alle objecten (bijvoorbeeld: alle punten) hebben dan dezelfde kleuren. Op basis van de thematische / administratieve gegevens uit de tabel zijn de individuele objecten dan andere kleuren of symbolen toe te kennen. Dat is te zien in de figuur hier rechtsboven. Duidelijk is dat de attribuutwaarden van de verschillende objecten, samen met de inventiviteit van de GIS-specialist, bepalen hoe de objecten uit de GIS-data gevisualiseerd worden. De mogelijkheden zijn 'eindeloos'. Richtlijnen over hoe dat moet gebeuren staan in de delen B en C van dit handboek. Let op: buiten deze twee bovenstaande paragrafen wordt niet specifiek over GIS-data gesproken. Gekozen is om de term geo-informatie te gebruiken, een algemeen geaccepteerde, neutrale term. Vaak zal echter wel bedoeld worden: GIS-data, omdat dit voor een GIS-specialist de meest ideale geo-informatie is. Gebruik maken van attributen: over queries of 'zoekvragen' Attributen zijn de kracht van geo-informatie. Een GIS kan hier op meerdere manieren slim gebruik van maken. Zoals gezegd, in deel B (thematische kaarten) en deel C (o.a. bij het labellen) zal op de daadwerkelijke toepassing terug gekomen worden. Hieronder nog wat theoretische achtergrond, die nodig zal zijn om er überhaupt gebruik van te kunnen maken. Hieronder een voorbeeld hoe een goed doordacht (maar zeer simpel) GIS-model er voor zorgt dat er snel en plezierig gebruik kan worden gemaakt van de mogelijkheden die een GIS biedt. Het eerste figuur toont één tabel (gegevensbestand of geo-informatie) met grote steden van Nederland. Merk op dat er een kolom 'Status' in staat: Tabel-representatie van een GIS-bestand van een aantal grote Nederlandse steden. Voor die steden die een provincie-hoofdstad zijn, is dit in deze kolom 'Status' aangegeven. Met dit (gedeeltelijk getoonde) bestand zijn drie kaarten gemaakt. Door slim gebruik te maken van de attributen zijn met dit bestand verschillende soorten kaarten te maken: Drie kaarten van steden van Nederland op basis van dezelfde hierboven getoonde data (klik op het figuur voor meer detail). Over de kaart met steden en provinciehoofdsteden: De eerste kaart, links, toont alle steden uit dit bestand (ongelabeld). De tweede kaart toont zowel de labels als het symbool van provinciehoofdsteden anders dan de overige steden. Provinciehoofdsteden zijn bij het labellen apart geselecteerd, en hebben een aparte tekstopmaakt gekregen (onderstreept en met hoofdletters). Dat betekent dat het dus niet nodig was een aparte kolom te maken waarin de steden met hoofdletters zijn geschreven. De derde kaart, rechts, toont alléén de steden waarvan de attribuutwaarde 'Status' (uit in de kolom 'Status') 'provinciehoofdstad'. Hier is dus automatisch door het GIS-pakket geselecteerd in het bestand met álle steden. In tegenstelling wat een beginnende GIS-ser of - eerder - een buitenstaander misschien zou verwachten, hoeven voor de drie kaarten die gemaakt zijn niet verschillende bestanden (één met hoofdsteden, één met alle steden, en misschien wel één met overige steden) te worden gemaakt. Het mag duidelijk zijn dat de opbouw van zo'n steden bestand moet aangepast zijn op basis van wat nodig is voor analyese en kaarten maken. De exacte opbouw van zo'n GIS-bestand is een simpel voorbeeld van een GIS-model. Zonder over die opbouw vooraf goed (en eenmalig) na te denken, kan je later wel eens enorm veel moeite blijken te hebben met het maken van goede analyses en kaarten. Hier boven is twee maal gesproken over selecteren. Het (automatisch) selecteren gebeurt met zogenaamde queries (Engels, spreek uit: kwèries) of in het Nederlands 'zoekvragen'. Een query beperkt het objecten dat voorkomt in een geheel databestand op basis van één of meerdere voorwaarden. Queries maken gebruik van zogenaamde SQL-statements (Standard Query Language). GIS-pakketten zorgen vaak dat je met een wizard of op een andere manier deze selecties makkelijk kan maken. Vaak heb je het snel onder de knie. Een beperkte hoeveelheid kennis over SQL kan jou effectiviteit en de functionaliteit van je GIS vergroten. Hieronder wordt alleen een zeer summiere uitleg en het hierboven gebruikt voorbeeld gegeven. Een SQL-query (of: select-statement in dit geval) ziet er bijvoorbeeld als volgt uit: SELECT * FROM tabelnaam WHERE kolomnaam=...VOORWAARDE... Uitleg over deze opbouw: SELECT: 'selecteer'; hierachter wordt in een GIS meestal een * genoteerd: dat betekent alle velden. FROM: 'uit'; hierachter komt de naam van de tabel WHERE: 'waar voor geldt'; hierachter komen de veldnamen met waarden waaraan de velden moeten voldoen. Hier wordt gebruikt gemaakt van 'Boleaanse' operatoren, zoals = <>, >, <. In het voorbeeld van hierboven is bij de 2e en 3e kaart dit select-statement gebruikt: SELECT * FROM hetnederlandsestedenbestand WHERE [STATUS] = 'provinciehoofdstad'. Dankzij deze 'select-statements' hoeven we niet twee aparte bestande te beheren; één met provinciehoofdsteden en een ander met de overige steden. SAMENVATTING: Door vooraf te weten wat je met een GIS wilt, kan je definiëren welke attributen nodig zijn in een bestand. Door SQL (queries of zoekvragen) kan je uit GIS-bestanden beperkte subsets halen, die je vervolgens gebruikt voor visualisatie van deze objecten of voor hun labels. TIP: De notaties die GIS-pakketten bij queries gebruiken wijken soms licht af van de officiële SQL-schrijfwijze. Doorgaans zal je daar geen last van hebben. De ene keer moet je een " vervangen door een ' of omgekeerd. Meer informatie kan je vinden op Wikipedia over SQL, of op Wikipedia over Operatoren, maar wellicht is je eigen GIS-handleiding al voldoende. Een zware wiskundige achtergrond of programmeerkennis is niet echt nodig; een GIS-specialist heeft aan een beperkte, beginnende hoeveelheid 'SQL'-kennis voldoende. Eigenschappen van geo-informatie Uit bovenstaande paragrafen zal het nu duidelijk zijn waarom geo-informatie géén kaartlaag genoemd mag worden. Geo-informatie staat in dienst van een GIS-model. Een GIS-model om analyses of kaarten te maken. Een (digitaal gemaakte) kaart bestaat uit één of meer geo-informatie bestanden / datasets, die geheel of gedeeltelijk in een kaart gebruikt of getoond kunnen worden. Zo kan een GIS-data bestand 'topografie' ook gebruikt worden om op een kaart alleen straten weer te geven. Een GIS beschrijft de werkelijkheid - voor zover de mens die al kan kennen - met allerlei beperkingen. Jij als GIS-specialist moet die altijd in het achterhoofd houden. Een GIS beschrijft niet de werkelijkheid. Dat komt omdat de geo-informatie die er in zit (vaak foutief dus kaartlagen genoemd; datasets is beter) een gedwongen beperking van die werkelijkheid is. Hier volgen een aantal van die eigenschappen, die beperkingen kunnen zijn. Toepassingscontext. De data is slechts nuttig binnen een bepaalde toepassingscontext. Elke toepassing stelt andere eisen aan data. Een voorbeeld. Een GIS-model voor de gunstigste busroutes zal een dataset 'wegen' bevatten, maar zonder de zandpaden. Een GIS voor een volledige stratenatlas zal die zandpaden wel moet kennen. Een ander voorbeeld. De wegbreedte wordt door een beheerder die ook de berm moet maaien, anders gedefinieerd dan een automobilist dat zou doen. Een autonavigatiesysteem zal weer géén wegbreedte nodig hebben bij die dataset 'wegen', die wil van elke weg de maximale snelheid weten. Generalisatie / weglating. De data bevat niet alle (kleinere) objecten. Een dataset 'rivieren' voor een atlas van heel Nederland zal niet de (kleine) Dortherbeek in de Achterhoek beschrijven, die een GIS-specialist die de beekdalgronden in kaart wil hebben toch echt wél nodig heeft. Nauwkeurigheid. De nauwkeurigheid kan niet optimaal zijn. De dataset 'kust' van Groot-Brittannië voor een kaart in een atlas zal al snel nauwkeurig genoeg zijn. Maar deze geeft nooit de werkelijkheid weer zoals een strandjutter in Plymouth die ervaart. Bij geo-informatie levert het aspect nauwkeurigheid vaker een beperking of limiterende factor dan het aspect precisie. Omdat deze twee termen vaak door elkaar gehaald worden, volgt hier toch het aspect precisie. Bij geo-informatie is zowel sprake van een attribuutnauwkeurigheid als een geometrische nauwkeurigheid. Zoals eerder gezegd, attribuutnauwkeurigheid wordt vaak vergeten door GIS-specialisten. Met attribuutnauwkeurigheid wordt bedoeld de nauwkeurigheid van de gemeten thematische waarden (attributen) van de objecten in de dataset. Denk aan een bestand met locaties van vijftig steden in Afrika met het aantal inwoners. Het aantal inwoners, een attribuut, kan zeer onnauwkeurig zijn, daar waar de locatie (geometrische nauwkeurigheid) zeer groot is. Precisie. Precisie is iets anders dan nauwkeurigheid. Precisie wordt bepaald door het aantal cijfers achter de komma waarmee een gemeten eenheid wordt opgeslagen. Laten we eens aannemen dat er een foutloze, onbetwistbare hoogtemeting van de Mount Everest is gedaan. Wellicht is de uitkomst daarvan 8850,36m plus of min een halve meter. De nauwkeurigheid is een halve meter. Dat betekent dat in werkelijkheid (zouden we die al kunnen weten of benaderen) de berg best 8849 of als we pech hebben 8851,50 zou kunnen zijn. De precisie waarmee de waarde is opgeslagen is 0.01 meter (twee decimalen) Gezien de onnauwkeurigheid is daarom beter te spreken over een hoogte van 8850 meter, waarbij - om geen onnodige fouten te introduceren bij bijvoorbeeld verschilmetingen - wel gewoon die 8850,36m in de database blijft staan. Ook op een kaart dient dan dus 8850 te staan, en niet iets 'nauwkeurigers'. Het is daarom heel gebruikelijk bij (geo-)informatie, dat waarden schijnbaar 'te precies' zijn opgeslagen. Vooral bij interpolaties. Maak niet de fout de precisie er uit te halen - door bijvoorbeeld cijfers achter de komma weg te gooien- door de precisie te bestempelen als onnauwkeurigheid. Het kaartbeeld zou door een dergelijke actie vreemde vormen aan kunnen nemen. Mutaties. De werkelijkheid verandert in de tijd. Wegen worden gebouwd, rivieren verleggen zich of worden wadi's, steden groeien en geluidsniveaus of bodemvervuilingscontouren veranderen snel of langzaam. Een bijzonder voorbeeld is een luchtfoto met daarop de 'kustlijn' van een gebied waar eb en vloed heerst. Je zou er verkeerde conclusies aan kunnen verbinden als de luchtfoto juist bij eb is genomen... Kaarten kunnen overigens wel helpen om (langzaam) wijzigende fenomenen helder weer te geven. Bijvoorbeeld kaartseries van bebouwde kommen of bodemvervuilingscontouren. Die zouden om de tien jaar kunnen aangeven in welke richting de stad uitdijt of hoe de vervuiling - door grondwaterstromingen - langzaam groter maar minder geconcentreerd wordt. Naast kaartseries kunnen ook verschilkaarten berekend worden op basis van twee opeenvolgende kaarten van hetzelfde gebied met hetzelfde fenomeen. Definities. Definities van objecten in datasets kunnen uiteenlopen, deels misschien het resultaat van de toepassingscontext. Maar dit misschien ook het resultaat van cultuur tussen twee gebieden/landen. Of verschil van inzicht dat niet is uitgesproken. Wat de één 'bebouwing' noemt, zal de ander splitsen in 'huizen en boerderijen', waarbij de schuren in eens niet worden meegenomen. Of Wadi's worden door de één wel tot rivieren gerekend, door de ander niet. Fuzzy-grenzen. In werkelijkheid gaat een steppe langzaam over in een bos. Maar waar ligt de grens? Gaat een steppe bij meer dan 10 bomen per hectare over in een bos? En hoe nauwkeurig valt die grens dan in te winnen en vervolgens te karteren? Ook een indicatie als wel of niet vervuild lijkt helder. Er zal immers een bepaalde drempelwaarde overschreden zijn. De kaart die vervolgens van zo'n dataset wordt gemaakt zal dus ook een haarscherpe grens opleveren. Zeker wanneer er veel en nauwkeurig is gemeten. De werkelijkheid is echter anders: er is gewoon een overgangsgebied. Dit geldt onder andere ook voor bodemkaarten. Dergelijke grenzen worden 'fuzzy-grenzen' genoemd. Classificaties. Door classificatieverschillen zijn gegevens misschien niet goed combineerbaar / bruikbaar. Een voorbeeld. Bij de zeegraskartering, door het Rijksinstituut Kust en Zee van Rijkswaterstaat, wordt in Nederland onderscheid gemaakt in een bepaald percentage bedekking. Een andere karteerder/bioloog had misschien gedacht aan: zeegras komt wél of niet voor en weer een andere karteerder neemt als norm: pas bij meer dan 30% bedekking bestempel ik de begroeiing als 'zeegras'. Het moge duidelijk zijn dat de twee alternatieve karteringen nauwelijks verantwoord zijn te combineren met de eerste kartering. In deel B wordt verder in gegaan op meetschalen en classificaties. Compleetheid. Waar de ene toepassing genoeg heeft aan 'de belangrijkste objecten' zal een ander ze toch echt allemaal moeten hebben. Stel iemand heeft bijvoorbeeld een bestand met zo ongeveer alle belangrijkste overwegen om een beeld te krijgen van waar die het meeste voorkomen. Dat kan dan afdoende zijn. Echter dit is beslist onvoldoende voor een beheerder van de railinfrastructuur of een gemeente. Die moeten respectievelijk de veiligheid en mogelijke verbindingsroutes voor wandelaars kennen. De genoemde beperkingen worden bij het gebruik van geo-informatie soms geconstateerd en als fout gekwalificeerd. (Hé, het klopt niet dat die monumentale boom volgens dataset/kaart BOOMLOCATIES ligt die en die plek, want het valt volgens dataset/kaart KADASTRALE_KAART op het verkeerde perceel). Nog een leuke uitspraak (Bron: Wikipedia 2007 [1], auteur onbekend): "Er is al een statisticus verdronken in een meer dat gemiddeld een halve meter diep was." Wanneer dit een cartograaf was, was deze zeker niet goed gekwalificeerd! Wanneer jij bovenstaande beperkingen kent, weet je welke kaartlagen wel of niet mogen worden gecombineerd, welke conclusies mogen worden getrokken en - eventueel - welke waarschuwingen je de gebruiker mee moet geven met de kaart. In Deel B en C zullen aan deze beperkingen cartografische principes worden verbonden. Zoals - in het geval van de boom - met welke schaal en dikte je bepaalde symbolen moet weergeven. En in hoeveel verschillende klassen classificeer je de bevolkingsdichtheid van 12 provincies of honderden gemeenten? SAMENVATTING: De mens denkt in hokjes. Dat is nuttig; daardoor wordt immers de complexe werkelijkheid begrijpelijk, overzichtelijk en te beschrijven in datasets. Dat dit een model is, dient te allen tijde beseft te worden. Niet omdat die data niet betrouwbaar zou zijn, maar omdat die data om allerlei redenen misschien niet (her)gebruikt kan worden voor elk willekeurig doel. TIP: Bedenk als GIS-specialist elke keer weer opnieuw of de dataset die je krijgt of al hebt wel voldoende is voor waar je het nu weer voor gebruikt. Je opdrachtgever zal dit niet altijd voor je doen. Jij wordt geacht te weten welke kenmerken de geo-informatie heeft die gebruikt. Het kan beperkingen met zich meebrengen die de opdrachtgever en de kaartlezer dienen te kennen. Informatie over nauwkeurigheid, toepassingsmogelijkheden en mogelijke beperkingen zijn te vinden in de metadata van die dataset. Vraag daarnaar bij de bron. Zoek eventueel naar alternatieve geo-informatie zonder die beperkingen. Zoek niet naar de beste (dure) informatie, maar naar geschikte informatie. Toepassingscontext steden #inwoners afkorting #klanten alkmaar 47.000 AL 470 Heerhugowaart 25.000 HH 250 Amsterdam 370.000 AM 3.700 Haarlem 75.000 HA 750 De input die je gebruikt in een GIS is vaak niet (geheel) door jou of jouw bedrijf zelf ingewonnen. Of de data is afkomstig uit een afdeling die jij niet kent. Bekijk bijvoorbeeld eens bovenstaande tabel. Mogelijke GIS-output o.b.v. de tabel. Stel je bent redacteur van een krant in Noord-Holland. Je moet een kaartje maken van de belangrijkste steden van Noord-Holland, als illustratie bij een artikel. De data krijg je via de mail van een behulpzame collega. Die heeft de data - heel handig - van de website van het busvervoerbedrijf 'Synnexxion' gehaald. Wanneer hier snel met een GIS een kaartje van wordt gemaakt, is het kaartje rechts wellicht het resultaat. Keurig met titel. Niet gevraagd, maar toch gedaan: je hebt de grootte van de cirkels op de één of andere manier laten afhangen van het aantal inwoners. En je hebt ook mooi een legenda toegevoegd. GIS is prachtig gebruikt. Of toch niet? Je mag hopen dat de redactie de klachten van de lezers voor is. Wat is er fout gegaan? Het aantal inwoners klopt niet. Dat stond wel in de kolomnaam van die tabel, maar bedoeld werd het aantal inwoners relevant voor Synnexxion. Namelijk, het aantal inwoners dat binnen een straal van 500 meter woont in de omgeving van de bushaltes. Notabene, steden als Zaanstad en Den-Helder staan er niet in. Waarom niet? Omdat deze tabel alle steden bevatte in Noord-Holland waar het fictieve bedrijf Synnexxion een aanbestedingscontract heeft voor het openbaar vervoer. Toch was de tabel voor Synnexxion vrijwel foutloos. Het aantal inwoners, zoals door Synnexxion gedefinieerd, klopte wel degelijk. Waarom mag zo'n tabel toch niet gebruikt gebruik worden? Er is sprake van een andere toepassingscontext. Voor het bedrijfsmodel van Synnexxion is ook de geringe precisie van de aantallen en het tweetal spelfouten in de namen geen enkel probleem. In 'jouw' kaart staan die fouten wél te veel. De kaart binnen de muren van synnexxion is goed, er buiten is die kaart fout. Blijkbaar hebben data en kaarten een toepassingscontext. Overigens, dat er meer mis is met de kaart van Noord-Holland (symbolen, uitlijning va de elementen, ontbreken van essentiële onderdelen), wordt in Deel B en C duidelijk. Er zijn ook twee opdrachten over. SAMENVATTING: Gegevens worden ingewonnen voor een bepaalde - per definitie - beperkte toepassingscontext. Niet elke dataset die ergens voor geschikt lijkt, is dat ook. De wegendataset die in een TomTom (autonavigatiesysteem) wordt gebruikt is Nederlandsdekkend, is voor de autogebruiker je-van-het, maar is onbruikbaar voor het uitzetten van wandelroutes. TIP: Bespreek met de bron van de dataset de betekenis van de velden, ga de bron na, raadpleeg de metadata bij deze dataset. TIP: Ook al is de bron wél bruikbaar. Jij bent óók verantwoordelijk voor de output. In het voorbeeld zijn labels gebruikt. Labels op basis van een tabel die voorheen niet gebruikt werd voor externe communicatie. Er zitten twee fouten in de stadsnamen, dus ook in de labels die jij gegenereerd hebt. Een GIS neemt die fouten namelijk onverkort over. Controleer dus altijd de output. Ga niet klakkeloos uit van de juistheid van een bestand. Referenties Literatuur Zie voor literatuur: het laatste deel van dit handboek. Ga verder met de module 'Vervolg GIS'.