Geo-visualisatie/Vervolg GIS: verschil tussen versies
Verwijderde inhoud Toegevoegde inhoud
kGeen bewerkingssamenvatting |
wat kleine redactionele aanpassingen/spelling consequent/typo |
||
Regel 26:
[[Afbeelding:Voorbeelden GIS bewerkingen.PNG|right|thumb|530px|'''Enkele van de belangrijkste GIS-bewerkingen'''. Op basis van ruimtelijke ligging kunnen verschillende analyses en bewerkingen worden uitgevoerd. Links de input, rechts de output met voorbeelden.]]
In de vorige module, [[Geo-visualisatie/Inleiding GIS|Inleiding GIS]], zijn al enkele (gemeentelijke) voorbeelden genoemd om te laten zien wat er mogelijk is met een GIS. Die mogelijkheden zitten wel of niet in een GIS, afhankelijk van het aantal functies (ruimtelijke operatoren, bewerkingen of analyses) die de desbetreffende GIS kent. Een desktop-GIS is hierin véél krachtiger dan web-
GIS-desktop-software kent over het algemeen vele mogelijke GIS-analyses. Uiteraard is dit afhankelijk van de leverancier en de gekochte licentie. Een gemiddelde desktop GIS-applicatie van een gemiddelde
Wel wordt hier, in de figuur rechtsboven, getoond wat zo ongeveer de belangrijkste krachtige GIS bewerkingen zijn. Zowel de veel gebruikte Engelse termen als hun minder vaak genoemde Nederlandse vertaling worden genoemd. De voorbeelden verduidelijken de functie. Merk op dat de output
:* merge (samenvoegen)
:* buffer
Regel 39:
:* dissolve (generaliseren op basis van attribuutwaarden)
Door middel van dergelijke ruimtelijke operatoren
<div style="background:#FFDAB9;">
Regel 49:
</div>
NB: De meest gebruikte GIS-tool, de join, is strikt genomen geen analyse
==GIS-analyses, de 'do's and dont's'==
Er zijn vele GIS-bewerkingen waarbij geo-informatie geconverteerd kan worden, verbeterd, gecombineerd, geanalyseerd. Hoe groter en duurder het GIS-pakket of licentie, hoe meer mogelijkheden. Deze mogelijkheden worden niet allemaal uitgebreid behandeld, daar is de GIS-handleiding van het softwarepakket zelf waarschijnlijk beter in. Maar er zijn altijd een aantal zaken waar je rekening mee moet houden. In de volgende paragrafen komen een aantal van die zaken aan de orde.
Regel 58:
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 [http://nl.wikipedia.org/wiki/Wet_van_de_kleine_getallen '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
Een kaartlezer zou de volgende conclusies ''kunnen'' trekken:
Regel 66:
:* enzovoort.
Al deze conclusies
(
Ook op de kaart met de nieuwsmeldingen, hierboven, zijn sommige van onderstaande conclusies misschien voor de hand liggend, echter ze zijn allen toch verkeerd:
Regel 76:
===Arbitrair gekozen of bestuurlijke gebiedsindelingen===
[[Afbeelding:Probleemwijken.PNG|thumb|right|650px|'''Hoe een arbitraire (slecht gekozen of bestuurlijke) grens beslissingen en GIS-berekeningen beïnvloedt.''' Stad A en Stad B kennen dezelfde geografische spreiding van een bepaald sociaal probleem, hier voorgesteld door adressen met een probleemindicatie. Stad B zou wel eens
[[Afbeelding:Aggregatieniveaus raster grof.PNG|thumb|right|350px|'''Berekening van welke gebieden gunstig zijn voor de landbouw met ''grof'' raster.''' De uitkomst is blijkbaar afhankelijk van het toeval van waar dit raster over het gebied wordt heen gelegd. Het rechter voorbeeld geeft een hoger percentage dat geschikt is voor landbouw, en laat ook andere gebieden als geschikt zien dan het linker voorbeeld. De vraag is of een koper van één van deze negen gebieden tevreden zal zijn!]]
Regel 82:
[[Afbeelding:Aggregatieniveaus raster fijn.PNG|thumb|right|350px|'''Berekening van welke gebieden gunstig zijn voor de landbouw met ''fijn'' raster.''' Hier is een fijner en - gezien de uitkomst - beter raster gebruikt. De uitkomst wordt blijkbaar nauwelijks beïnvloed door waar het raster over het gebied wordt heen gelegd. Beide analyses (links en rechts) geven ongeveer dezelfde uitkomsten.]]
Arbitraire of bestuurlijke gebiedsindelingen kunnen een negatieve invloed hebben op (GIS-)analyses. De spreiding van een fenomeen (bijvoorbeeld armoede) komt vaak niet overeen met een administratieve of bestuurlijke gebiedsindeling. Bij analyses moet hier rekening mee worden gehouden. In de figuur wordt dit met een voorbeeld aangetoond. Het fenomeen (armoede) heeft een geografische spreiding die niet overeenkomt met de
Het probleem is ontstaan omdat harde, politieke, of verkeerd getrokken grenzen gebruikt zijn. Wil men toch in percentages per gebied werken, omdat de besluitvorming / politici dat eisen, én een goede aanpak van de (armoede) problematiek hebben, dan dient dus een gebiedsindeling van een juist (hoger) detailniveau gebruikt te worden, bijvoorbeeld deelwijken of zogenaamde 6-punts-postcodegebieden (1234AB). Nog beter zou zijn: rekenen met het fenomeen zelf, de adressen met de (armoede) problematiek. Zouden deze gegevens niet voorhanden zijn, reken dan met de fijnere grenzen. In dit geval de deelwijkgrenzen, aangegeven met een stippellijn rondom het probleem gebied. Deze deelwijkgrenzen geven de werkelijke spreiding van het probleem weer.
Statistische gegevens
<div style="background:#FFDAB9;">
Regel 97:
===Te grof gekozen aggregatieniveaus en rasters met te grote cellen===
Ongeveer hetzelfde probleem kan optreden wanneer bij GIS-analyses gewerkt wordt met een raster. De reden waarom bij GIS-analyses vaak gekozen wordt voor de beschrijving van een fenomeen (verschijnsel / thema) met een raster is omdat
:Voorbeeld:
Het probleem bij deze verrastering doet zich voor wanneer de cellen van zo'n raster te groot zijn; het fenomeen wordt dan niet meer goed beschreven. Te grote rastercellen leveren dezelfde problemen op wanneer een te hoog aggregatieniveau wordt gebruikt. Met een hoog aggregatieniveau wordt bedoeld dat een thema / fenomeen beschreven wordt op basis van een samenvoeging van een aantal gebieden. Wanneer gerapporteerd (en gerekend) wordt op een hoog aggregatieniveau, kan dit negatieve invloeden hebben op de juistheid of de nauwkeurigheid van de analyse. Voorbeelden van hoge aggregatieniveaus
:* gemeentes in plaats van individuele wijken
:* secties in plaats van individuele percelen
:* zandgebieden in plaats van (uitgesplitst) in duinzand, stuifzand, dekzand, rivierzand, et cetera
In het voorbeeld in deze paragraaf wordt één thema verrasterd. De vraag is: welke gebieden van honderd bij honderd meter zijn gunstig voor de landbouw
Merk op dat in het onderste figuur met het fijne raster zowel links als rechts ongeveer een gelijk beeld laat zien: in het noorden en in het zuidoosten is een concentratie van voor de landbouw geschikte grond. Daarentegen laat het bovenste figuur met het grove raster rechts een totaal verschillend beeld zien als links.
Regel 124:
Het komt vaak voor dat je van geo-informatie met kwantitatieve (getalsmatige) gegevens hebt die geldig zijn voor bepaalde gebieden. Deze kwantitatieve gegevens beschrijven voor een vastomlijnd gebied (bijvoorbeeld een gemeente) met één getal het fenomeen (bijvoorbeeld de bevolkingsdichtheid). Daarbij neem je meestal aan dat dit fenomeen evenredig verdeeld is over het gehele oppervlak. Dat zal echter nooit het geval zijn; bepaalde plekken kennen vast een hogere dichtheid dan andere plekken.
Stel: de bevolkingsdichtheid is 1000 inwoners/km<sup>2</sup>. Wanneer je alléén deze gemeente in beeld hebt
:Discussie: Let op dat je deze methode wel ergens in de kaart of begeleidende tekst moet verantwoorden; niet voor alle gemeenten zal dit zomaar toe te passen zijn. Wanneer in een dorp sprake is van lintbebouwing (huizen aan één lange straat, zonder zijstraten met wijken) en deze zijn weer niet opgenomen in de bebouwde kom, gaan er zaken fout. Voor bepaalde analyses
==Coördinaten creëren met een GIS indien er geen coördinaten zijn==
|