Geo-visualisatie/Deel B: Geo-visualisatie: verschil tussen versies

Verwijderde inhoud Toegevoegde inhoud
Nijeholt (overleg | bijdragen)
k redigeeractie + fout eruit
Nijeholt (overleg | bijdragen)
k redigeeracties
Regel 443:
* via de '''grijswaarde'''. Bijvoorbeeld: van donkerrood naar lichtrood en zelfs naar wit geeft een afnemende bevolkingsdichtheid. (Overigens, verzadiging is iets anders. Verzadiging is de mate van verontreiniging van een kleur met grijs dat dezelfde grijswaarde heeft als die kleur. De verzadiging geeft de relatieve zuiverheid aan. Zie ook [[Geo-visualisatie/Deel_C:_Kaartopmaak#Het_HSV-systeem|Het HSV-systeem]].)
 
In het tweede geval, wanneer gevarieerd wordt in de grijswaarde van één kleur, kiest de cartograaf normaliter voor een logisch, bij het kenmerk behorende kleur. Voor waterdiepte of ijsdikte zou dat blauw kunnen zijn, voor bevolkingsdichtheid rood. Wanneer het eindresultaat van die kleurenkaart in zwart-wit zou worden omgezet, zal visueel (in het brein van de lezer) géén enkel verschil worden opgemerkt met de kleurenkaart. De verspreiding / clustering van het kenmerk over de kaart is even goed te zien. Het brein zag dus niet de (variatie in) kleur, maar de (variatie in) grijswaarde! De kleur wordt 'slechts' gebruikt om de kaart aantrekkelijker te maken. Bij een thematische kaart waarin de diepte van de zee (hoe dieper hoe donkerderblauw) wordt weergegeven is door het ''logische'' gebruik van de kleur blauw niet nodig dat de lezerkaartlezer steeds maar weer naar de legenda kijktmoet kijken.
 
Meer over kleuren staat in Deel C, met name in de paragraaf [[Geo-visualisatie/Deel_C:_Kaartopmaak#Kleurgebruik_en_kleurassociaties|Kleurgebruik en kleurassociaties]].
Regel 464:
De voorbeelden hieronder tonen dat aan. Daarnaast zal blijken dat het maken van een kaart een iteratief proces is. Wanneer het eindresultaat eindelijk goed lijkt te zijn, komt de onderzoeker met de juiste antwoorden en nieuwe vragen. Er zal wellicht wéér een andere kaart gemaakt moeten worden. De analist/beleidsmaker is op die manier kaartenmaker/cartograaf geworden... Voor onderzoeksdoeleinden volstaat één kaart niet. Maar er kunnen bij dit proces veel fouten gemaakt worden indien er niet lang over de kaarten en de problematiek wordt nagedacht.
 
Stel, een beleidsmaker wil onderzoeken welke staten of welke snelwegen extra aandacht behoeven bij de bestrijding van het hoge aantal doden in de VS op de snelwegen / interstates. In 2004 waren dat 42.636 doden, dus gemiddeld 0,88 doden per jaar per mijl snelweg, Alaska niet meegerekend (bron: http://usgovinfo.about.com/od/medicalnews/a/traffictoll.htm). <small>''(NB: de spreiding van het aantal doden over staten en snelwegen lijkt reëel, maar is in dit voorbeeld gebaseerd op fictieve aannames. Daarom deze gegevens niet gebruiken voor eigen onderzoek/VS-illustraties, e.d. Zie commentaar bij de afbeeldingen. Het enige dat klopt zijn de hierboven genoemde aantallen.)''</small>
 
De beleidsmaker maakt achtereenvolgens de volgende kaarten met zijn GIS, steeds op basis van dezelfde gegevens:
 
* Kaart 6. Geeft het aantal doden per staat. Het lijkt een correcte 'kaart om te zien'. In de terminologie van Bertin is de visuele spreiding van de kleur (van geel naar rood) namelijk in overeenstemming met de spreiding van het kenmerk (van weinig aantal doden per staat naar meer doden per staat.
:Gaan we bedenken - wellicht dankzij deze kaart - waarom Texas zoveel meer doden heeft dan South Dakota, dan schrikken we. Want hoeveel mensen wonen er in deze twee staten, en hoeveel snelwegen zijn er verhoudingsgewijs.? Een staat als gebied zegt misschien wel iets over het aantal slachtoffers, maar niet over de oorzaak ervan. Een kleine staat met weinig of misschien zelfs géén snelwegen zal weinig/géén doden kennen, maar dat zegt niets over dat de snelwegen er veilig zijn. De oorzaak is het aantal snelwegen; hoe zijn die verspreid over de staten van de VS? ''De staat is dus het verkeerde object om 'snelwegdoden' mee te visualiseren''.
 
* Kaart 7. Exact dezelfde kaart als kaart 6, maar nu met het aantal snelwegen. Het lijkt nu logisch dat Texas veel doden kent: er zijn meer snelwegen dan in South Dakota. Bovendien is het een grote staat met veel inwoners. Zouden spreiding van de inwoners dan ook maar in beeld moeten komen? Nee. dat vertoebelt het overzicht verder. De kaart wordtzou steedsdan nog meer een rekensom worden. Bovendien hadden de staten niet ingekleurd mogen worden: hoe groter een (donkerrode) staat, hoe sterker het oog dit ervaart, terwijl de klasse (het aantal doden per staat) niet wijzigt.
:Gaan we bedenken hoe het dan wél moet, dan moeten we letterlijk gaan kijken naar het aantal doden per snelweg. Dáár vallen de doden. Het kenmerk moet op die 'verantwoordelijke' (lijn-) objecten -en niet op de (vlak-) objecten- gevisualiseerd worden. Het moet dus dan dus ook bekend zijn op welke snelweg die doden per staat vallen.
 
* Kaart 8. Ditmaal wordt het juiste object gebruikt; de snelweg zelf. Maar er is toch iets goed mis met deze staatkaart. Rijden automobilisten harder en roekelozer op de lange wegen? Zijn de automobilisten in het drukke oosten beter in autorijden, of zijn daar veiliger snelwegen? In alle steden en drukke knooppunten lijkt alles ook veel veiliger...
:Kijken we naar lange snelwegen; hierop vallen inderdaad meer doden dan korte snelwegen. Lange snelwegen zijn - volgens de legenda - inderdaad ook roder. Het aantal doden op lange snelwegen is hoger omdat ze langer zijn... De kans dat er iets gebeurt is groter bij lange snelwegen. De snelweg had niet een kleur mogen krijgen van het totaal aantal doden. Algemener geformuleerd: het gehele (lijn)object had niet mogen visualiseren wat er op het gehele object in totaal gebeurt. (BijNB: eenbij kwalitatieve kwalificatiedata, zoals snelwegtypesnelweg''type'', had dit wel gemogen.) ErConclusie is in dit geval: er moet een andere kaart komen.
 
* Kaart 9. Hierop wordt voor elke snelweg apart het aantal doden vermeld. Dit is eerlijker. Er is sprake van een [[Geo-visualisatie/Inleiding_Cartografie#Kartogram|kartogram (zie ook thematische kaart]]. Met staafdiagrammen (opnieuw geldt: niet per staat, maar gelukkig per snelweg) wordt aangegeven waar de meeste doden vallen. Omdat die staafdiagrammen visueel niet worden uitgesmeerd over een hele lijn is dit een verbetering: staten met weinig snelwegen zijn 'witter / leger'. Plekken waar veel korte snelwegen zijn, laten veel lage staafdiagrammen zien. Plekken waar weinig maar lange snelwegen zijn, laten minder, maar hoge staafdiagrammen zien. Dit is eerlijk.
:Toch is de beleidsmaker niet tevreden. Het is onoverzichtelijk, wanneer zoveel diagrammen in zo'n kartogram te voorschijn komen. Normaliseren is de oplossing.
 
Informatie afkomstig van https://nl.wikibooks.org Wikibooks NL.
Wikibooks NL is onderdeel van de wikimediafoundation.