Geo-visualisatie/Classificatie: verschil tussen versies

Een voorbeeld van een meer in Oostenrijk (zie figuur rechts) toont hoe strak kaartsoorten, datasets en kleurenschema's qua mogelijkheden aan ekaar gebonden zijn. Het betreft een isolijnen (diepte-lijnen) kaart. De isolijnen zélf zijn echter door het GIS-programma onzichtbaar gehouden. Doordat de tussenliggende vlakken met verschillende blauwtinten zijn ingekleurd, is een choropleet ontstaan. Verder gaat het om een kwantitatieve dataset (diepte), een volgordelijk kleurenschema en er is als classificatiemethode van het weergeven van de diepte gekozen voor een zogenaamde 'equal interval' classificatie. Over classificatiemethodes gaatis de[[Geo-visualisatie/Classificatie#Het_classificeren|twee paragrafen verder]] meer volgendete paragraaflezen.

[[Afbeelding:Leer meer.png|20px]] '''SAMENVATTING:''' Bij kwalitatieve meetschalen (nominaal, binair) horen kwalitatieve kleurenschema's. Bij kwantitatieve meetschalen (ordinaal, interval en ratio) horen volgordelijke of divergerende kleurenschema's. Kleurenschema's zoals die door een GIS standaard gegenereerd worden voldoen niet altijd. Handmatig moeten deze vaak worden gewijzigd. Dat kan zijn om meer onderscheid te creëeren (door bijvoorbeeld meer verzadiging toe te passen) te creëeren, om bepaalde (negatieve) kleurassociaties te vermijden, of om enkele klassen een gezamenlijke, afwijkende kleurtint mee te geven. Bijvoorbeeld omdat deze klassen boven een landelijk gemiddelde of een politiek, ecologisch, commercieel of ecologischveiligheidstechnische gewenste norm liggen. Door een dergelijk kleine ingreep wordt data echt bruikbare informatie.

[[Afbeelding:Crystal Clear app ktip.png|20px]] '''TIP1:''' Maak je bij kwalitatieve datasets gebruik van harde, primaire kleuren, dan worden de vlakken vaak als tegengesteld ervaren (bijvoorbeeld links of rechts stemmend). Bekijk de eerste twee voorbeelden van de drie kleurenschema's hier rechts. Het eerste kleurenschema is met zijn pasteltinten lichter en minder verzadigd dan de donkere, verzadigdere tinten daarnaast. Maar in beide voorbeelden gaat het om zogenaamde mengkleuren. Dat zijn kleuren ontstaan door het mengen van de primaire kleuren. Maak je van dergelijke kleurenschema'smegkleuren gebruik, dan worden de onderlinge vlakken minder snel als tegengesteld ervaren, maar eerder als anders (bijvoorbeeld gemeentes). In het derde voorbeeld zie je een kleurenschema met (twee) primaire kleuren; deze kleurenschema's zijn goed voor het visualiseren van gebieden met tegengestelde eigenschappen (denk aan NAVO versus communistische landen tijdens de Koude Oorlog).

[[Afbeelding:Crystal Clear app ktip.png|20px]] '''TIP3:''' Heb je aan bovenstaande links, aanwijzingen, je eigen GIS-pakket en je eigen inspiratie nog niet genoeg om zelf kleurenschema's te maken, gebruik onderstaande figuur met vele (ongesorteerde) voorbeeldvoorbeelden. Bijvoorbeeld door de RGB-waarden er uit af te leiden met een simpel programma als Windows Paint, of met '[http://www.nattyware.com/pixie.html Pixie]'. Hiermee kan je kleuren kopiëren van één pixel op een afbeelding naar het klembord met de juistjuiste HSV/RGB/CMYK-kleurencodes. Het is gratis te downloaden software.

[[Afbeelding:Crystal Clear app ktip.png|20px]] '''TIP4:''' Pas op met divergerende kleurenschema's. Deze kennen vaak een lichte, neutrale kleur in het midden - bij de gemiddelde waarden - maar worden donkerder naar beide kanten toe. Bijvoorbeeld steeds groener voor gebieden met een relatief steeds jonger wordendejongere bevolking, en steeds bruiner voor gebieden met een steeds ouder wordendeoudere bevolking. Een dergelijke kleurenschema is op je scherm fantastisch, maar de krant waar jij voor werkt levert een totaal onleesbare kaart af, wanneer deze in zwart-wit wordt getoond. Zeker wanneer er ook nog grijs is gebruikt voor gebieden met een 'onbekende' waarde. De hele figuur bestaat uit grijstinten. Ook het maken van zwart-wit kopiën zal niet goed gaan. De fout is vaak te zien in landelijke kranten. Conclusie: vraag de uitgever / opdrachtgever of je in kleur mag werken, en houd hem er ook aan.

Bij kwantitatieve data worden dus 'volgordelijke' kleurenschema's gebruikt. In dezeDeze paragraaf zal laten zien dat juist bij deze kwantitatieve data het belangrijk is dat de kleur die deze data representeert niet zo maar vrij gekozen kan worden. Wat in eerste instantie natuurlijk van nature al geprobeerd zal worden, is om er voor zorgen dat onderlinge de kleuren maximaal van elkaar te onderscheiden zijn. Dit kan door te werken van licht naar donkerder, al of niet aangevuld door de donkere kleur nog verzadiger te laten worden. VaakJouw wordtGIS hiervoorkomt meestal al met een combinatieaardig kleurenschema bij een eerste gebruiktclassificatie. (Zie ook de [[Geo-visualisatie/Deel_C:_Kaartopmaak#Kleuren|paragraaf over kleuren]] in deel C en de kleurenschema's die [http://www.personal.psu.edu/cab38/ColorBrewer/ColorBrewer.html de Colorbrewer] of misschien zelfs jouw GIS weten te creëeren).

* '''Bij A''' is gekozen voor een blauwe, steeds donkerder en verzadigder kleur blauw. De kleuren lopen van klasse tot klasse langzaamgeleidelijk op, er zit géén sprong in de kleur blauw. Dat is correct, want de data gaat ook per klasse met 200 omhoog. De diepte of neerslag neemt dus als het ware toe van de minimaal mogelijke waarde (0%) tot de maximaal mogelijke waarde (90 of 100%). Het kleurverloop in beidede visuele schaal en de schalenmeetschaal loopt evenredig toe met de klassemiddens (100, 300, .. t/m 1700).

* '''Bij B''' zie je in de laatste klasse een soort vergaarbak van dieptes. Misschien is dat gedaan omdat deze waarden niet zo vaak voorkomen, of omdat de gradaties onder de 1000 belangrijker zijn. Van belang is dan wel dat deze brede (gemiddeld diepe!) klasse ook een ''donkerdere'' kleur krijgt. Die donkere kleur vertegenwoordigt de gemiddelde waarde van de vier hoogste klassen uit de situatie bij A. Dat betekent dus ook dat die kleur het gemiddelde moet zijn van de kleur van die vier klassen. In ieder geval ga je aan de donkere kant zitten, zodat deze zeldzame en hoge klasse goed opvalt ten opzichte van de lagere klassen. Zo waarschuw je de kaartlezer met de kleur al in de kaart en hoeft hij strikt genomen de legenda niet te zien.

* '''Bij D''' (het eerste voorbeeld van D) zie je dat er vooral blauwe kleuren voorkomen. Dit wekt de indruk dat het er nat is. Dat betekent dus dat het gebied in werkelijkheid ook een gebied moet zijn waar relatief veel neerslag valt. Ook al hebben landen een heel verschillend neerslagbereik, landen worden zo wel onderling vergelijkbaar. Landen met een legenda C en landen met een legenda D zijn dus goed vergelijkbaar. Ook als er géén kaart met een legenda zoals bij C bij deze kaart stond was het niet slim om een lichtere legenda te nemen. Er dienen gewoon donkere kleuren gekozen te worden. Wanneer een gebied overal zeer nat is, is het niet slim om de kleine verschillen die er zijn met veel klassen uiteen te splitsen, en die dan met sterk uiteelopende lichte en donkere kleuren blauw te representeren. Een mogelijk nadeel van deze (juiste) overwegingen kan echter zijn dat de onderlinge onderscheidbaarheid minder is geworden. Het tweede voorbeeld bij D zie je dat er toch voor gekozen is om de klassen maximaal van elkaar op kleur te kunnen onderscheiden. Dit is gevaarlijk, omdat de visuele indruk van de kleur niet overeenkomt met de data (hoeveelheid regen bijvoorbeeld). De tekst zal er aandacht aan moeten schenken. Het is terechtalleen een mogelijke terechte optie als de kaartlezer een ervaren kaartlezer is, of een boer of ontwikkelingsmedewerker die exact allerlei grenzen in een land op regen wil kunnen bestuderen. Voor een reisgids of in een gratis ochtendkrant met een breed publiek is dit tweede kleurenschema juist niet geschikt: er moet (steeds weer opnieuw) naar de legenda gekeken worden: 800 mm regen is ererg veel!

[[Afbeelding:Leer meer.png|20px]] '''SAMENVATTING:''' Het kleurverloop binnen (kwantitatieve) kleurenschema's is niet geheel vrij. Ze worden deels opgedrongen door het verloop van de dataset. Verschillend gekozen kleurenverlopenkleurenschema's leiden tot ''verschillende'' beelden van het fenomeen bij de kaartlezer. VerkeerdVerkeerde keuzes leiden zelfs tot een ''verkeerd'' beeld bij de kaartlezer.