Geo-visualisatie/Classificatie: verschil tussen versies

(Een::Overigens, een kaart waarbij (ongeclassificeerd) gewoon de snelwegen met één kleur zijn weergegeven over geclassificeerde staten wordt géén samengestelde kaart genoemd. De snelwegen zijn dan slechts als referentie opgenomen.)

De eerste genoemde soort (zie de voorbeeld legendavoorbeeldlegenda) is vaak lastig te interpreteren en is vaak meer voor onderzoeksdoeleinden en ervaren kaartlezers bedoeld. Je ziet hem soms in atlassen. Vaak wordt met zo'n kaart gepoogd te kijken of er een verband is tussen beide weergegeven grootheden. In het voorbeeld zou een conclusie kunnen zijn: "of in een gebied nu werknemers voornamelijk uit de primaire, secundaire of tertiare sector bestaatkomen, er is sowieso in de noordelijke gebieden een daling van de beroepsbevolking". Blijkbaar is er niet met het soort werk, maar de ligging van die gebieden gebieden een relatie met de afname van de beroepsbevolking. De licht gekleurde gebieden liggen dan allen in het noorden, maar het betreft zowel, groene, paarse als oranje kleuren, door elkaar heen. Wanneer alle lichte gebieden (met een afname dus) voornamelijk groen en paars zijn, zou er een andere conclusie getrokken worden: "in het noorden zie ik allemaal lichte kleuren, maar die lichte kleuren zie ik net zo goed in het zuiden, het zijn voornamelijk groene en paarse kleuren, dus de afname ligt niet aan de ligging, maar aan de sector die in die gemeente dominant is. Merk op dat er slechts een zeer gering aantal klassen (zowel horizontaal als verticaal) in een gecombineerde legenda moeten worden opgenomen. Een mens kan normaal slechts 8 klassen nog zien, maar dat is al met enige moeite.

Maak je gebruik van kleurenschema's voor lijn- of puntstymbolen (in plaats van vlakken), zorg dan dat de ondergrond qua kleuren niet wijzigt. Zie bijvoorbeeld de eerste kaart. Dit is geen samengestelde kaart. Het beschrijft het aantal doden per kilometer per snelweg. Zou je nu de staten 'onder de snelwegen' kleuren meegeven (bijvoorbeeld allemaal lichtgroen of grijs) dan vallen de lichtst gekleurde snelwegen meer op dan je zou willen. Eenzelfde vervelend effect treedt op wanneer je de staten zou inkleuren met een ander thema (in het voorbeeld rechts staten uit het oosten, midden en westen). Er is dan sprake van een samengestelde kaart. Doordat de staten nu allerlei verschillende lichte en donkere kleuren krijgen, blijft er van een goed beeld van de spreiding van het aantal doden per snelweg vrijwel niets over. Of een lijn opvalt of niet hangt nu ook nog eens van het gebied af. De spreiding is nu niet meer objectief te beoordelen. Combineer in dergelijke gevallen de thema's dus niet tot een samengestelde kaart. Kies voor twee kaarten naast elkaar. In het voorbeeld rechts is een kleur gebruikt; groen. Maar ook grijs bijvoorbeeld was fout geweest. In alle gevallen zorgt de achtergrond voor een andere beleving van de kleuren op de voorgrond.
<br />

Kies je toch voor een of meer achtergrondkleuren, - bijvoorbeeld omdat er op de achtergrond een vlakvullende topografische kaart is opgenomen als referentie - zorg dan dat deze kleurenachtergrondkleuren:

# licht zijn (lichter dan de lijnsymbolen). Dit kan vaak door de transparantie van die kaartlaag in te stellen, zodat de legendakleuren ongewijzigd kunnen blijven.

# een afwijkende kleurenset hebben (bijvoorbeeld pastel) ten opzichte van de kleuren van de lijn- of puntsymbolenen.

en# maak de lijnen op de voorgrond extra dik voor een goed onderscheid.

[[Afbeelding:Crystal Clear app ktip.png|20px]] '''TIP2:''' Overigens, inIn het voorbeeld met de snelwegen is gekozen voor een kleurenschema zoals je helemaal links aantreft. Er had misschien ook voor het rechter kleurenschema met alleen maar rode tinten gekozen kunnen worden. Het voordeel van de kleur geel/oranje (in plaats van lichte kleuren rood), is dat geel/oranje ook met fout / te veel wordt geassocieerd. Lage waarden zijn in dit geval immers nog steeds te veel doden! Daarnaast mogen lage waarden soms juist wel opvallen, omdat ze daardoor de vraag oproepen "waarom zijn juist op die plekken de waarden zo laag?".

[[Afbeelding:Crystal Clear app ktip.png|20px]] '''TIP3:''' Naar aanleiding van tip1: Was toch gekozen voor het rechter kleurenschema met alleen maar lichte en donkere kleuren rood, dan hadden de hoogste klassen beter met wat zwart kunnen worden bijgemengd. De [[Geo-visualisatie/Deel_C:_Kaartopmaak#Het_HSV-systeem|verzadiging]] van die kleur neemt af; het percentage rood daalt dus. De kleur die je ziet en ervaart wordt donkerder. Het onderscheid wordt daardoor beter, ook in de (hier: twee) erg rode klassen die erg op elkaar gaan lijken. Wat ook wel wordt toegepast is de dikte van dedie lijnen groter maken voor de hogere klassen. Er iswordt dan sprakeop vantwee overdrijving,wijzen maar- in cartografisch jargon: met twee [[[[Geo-visualisatie/Symbologie#Symbologie|grafische variabelen]] - aangegeven dat de spreidingwaarden wordtvoor weldie klassen beterhoger zichtbaarzijn.

[[Afbeelding:Leer meer.png|20px]] '''SAMENVATTING:''' Samengestelde kaarten kunnen handig zijn, maar zijn vaak moeilijk te lezen. Kies voor een overzichtelijke legenda, waaruit blijkt hoe de kleuren zijn opgebouwd. Gebruik zo min mogelijk klassen. Zorg dat in beide richtingen de kleuren nog logisch en te onthouden zijn. Bijvoorbeeld: hoe meer > hoe donkerder op de horizontale as van de legenda; terwijl de verschillen op de verticale as op basis van kleur nog te onderscheiden zijn. geclassificeerdeGeclassificeerde lijnen die op een geclassificeerde vlakken worden weergegeven, zijn slecht te interpreteren. Dat komt omdat de kleur en donkerte van de lijnen ten opzichte van de achtergrond beoordeeld wordt door het oog van de kaartlezer. Vermijd daarom bij een thematische lijnenkaart dat de ondergrond ook geclassificeerd wordt of wijzigt van helderheid. Bij een gekleurde topografische achtergrond dient deze (veel) lichter te zijn als het thema op de voorgrond.

Bij '''nominale meetschalen''' is het classificeren relatief eenvoudig, omdat de individeleindividuele objecten al geclassificeerd zijn: die ene stad behoort nu eenmaal tot die ene provincie. Ook bij '''ordinale meetschalen''' is al een classificatie aangebracht: een gebied behoort nu eenmaal tot die ene grondwatertrap. Hooguit zou een kaartmaker er in bepaalde gevallen vorvoor kunnen kiezen om bepaalde klassen toch samen te voegen. Onderstaande voorbeelden gaan vooral over het classificeren van gegevens die met een '''interval meetschaal''' of een '''ratio meetschaal''' zijn ingewonnen.

Het classificeren zelf gaat (bijvoorbeeld met een GIS) heel gemakkelijk. Echter, het ''goed'' classificeren blijkt een hele kunst - net zoals het vervolgens toedelen van de juiste kleuren aan die klassen die zo ontstaan zijn (zie vorige paragraafparagrafen).

Kijk eerstmaar eens naar de volgende vier kaarten. Hier zijn vier maal exact dezelfde gegevens over het besteedbaar inkomen per gemeente weergegeven. Er zijn steeds exact dezelfde legendakleuren gebruikt. Het doel van elke kaart is steeds een goed beeld te geven over de spreiding die er is tussen de gemeentes voor wat betreft de inkomens van de (gemiddelde) werknemers.

De vragen die we daarom als verantwoordelijke kaartmaker moeten stellen zijn:

In de paragraaf hierna worden deze vragen beantwoord op basis van het voorbeeld van hierboven. Het is belangrijk om nu al vast te weten dat er ''géén één beste classificatiewijze'' is, en dat ''de te gebruiken classificatiewijze af hangt van wat het exacte doel is'' van de kaart''.

[[Afbeelding:Leer meer.png|20px]] '''SAMENVATTING:''' De keuze van de classificatiemethode bepaalt de klassegrenzen, en daarmee ook de visuele indruk die je de kaart meegeeft. Bij het kiezen van een classificatiemethode moeten we vooraf weten wat de bedoeling van de kaart moet zijn,. zoalsZoals, "moet de kaart vooral de extremen laten zien?", "moet de kaart tegenstellingen duidelijk maken?", of "moet de kaart juist de gebieden maximaal onderscheidbaar maken over de gehele range van voorkomende waarden?".

Met een GIS zijn meestal allerlei classificatiewijzen (allen voorzien van mooie, betrouwbare namen) makkelijk te selecteren en uit te voeren. Binnen ''no-time'' is er sprake van een mooie kaart. De voorbeelden hierboven tonen aan dat zomaar een keuze maken blijkbaar niet een goede werkwijze is; ze leveren echt verschillende kaarten op. Er zal dus naar die verschillen gekeken moeten worden. Dat kan door de verschillende kaarten zelf te vergelijken, maarzoals beterbij de bespreking van de vier kaarten van hierboven. Echter, het is doorbeter de ruwe statistische gegevens te gaan kijkenbekijken. Op basis van die daadwerkelijke gegevens moet de classificatie bepaald worden, tezamen met het doel van de kaart.