Drie generalisatiemethoden
Uitgangssituatie
23 vlakken
Attribuut-klasmethode
17 vlakken
1995-12
NGT GEODESIA
gevolgd door een kartografische generalisatie voor het weer
geven van de gegevens op kaart.
Bij de generalisatietoepassingen op het DLO-Staring Cen
trum vindt voornamelijk database-generalisatie plaats, om
dat het doel van het proces niet is om uiteindelijk een goed
leesbare kaart te produceren, maar geo-informatie te genere
ren die dient als invoer voor simulatiemodellen. In dit artikel
zal de aandacht uitsluitend zijn gericht op database-generali
satie. Een tweede beperking van het onderzoek is de gericht
heid op vlak-objecten.
In dit onderzoek zijn de volgende drie generalisatiemethoden
met elkaar vergeleken:
oppervlaktemethode;
attribuut-klasmethode;
gelijkheidsmethode.
Hierna zal kort op de drie methoden worden ingegaan. In
Fig. 1.
Effect verschillende
generalisatie
methoden.
(Legenda 1)
Oppervlaktemethode
13 vlakken
Legenda 1
BI Bebouwing
1 Klei 1
IKlei 2
II Klei 3
f Veen 1
Bi Veen 2
Bi Veen 3
B Water
Zand 1
IZand 2
Zand 3
j 22 Zand 4
fcV»
(Legenda 1)
(Legenda 2)
Gelijkheidsmethode
13 vlakken
Legenda 2
LH Bebouwing
[IB Veen
j B Water
IZand 1
Zand 2
I Zand 3
Zand 4
(Legenda 1)
tabel 1 staan enkele kenmerken van de
drie methoden weergegeven. In fig. 1 is
het effect van de methoden visueel
weergegeven.
Oppervlaktemethode
Bij de oppervlaktemethode wordt ge
neralisatie uitgevoerd op basis van de
geometrie van ruimtelijke objecten. De
oppervlakte van een object wordt daar
bij als generalisatiecriterium gebruikt.
Kleine vlakken worden toegevoegd aan
het aangrenzende grootste vlak. De
mate waarin een generalisatie wordt
uitgevoerd, is te sturen door een re
ductie van het aantal vlakken op te
geven. Voordeel van deze methode is
dat hij eenvoudig is uit te voeren; na
deel is dat geen rekening wordt gehou
den met de thematische eigenschappen
van een vlak. Deze methode is daarom
als toepassingsongevoelig te karakteri-
Attribuut-klasmethode
Bij de attribuut-klasmethode wordt ge
neralisatie uitgevoerd op basis van de
classificatiehiërarchie van de attributen
van ruimtelijke objecten [4], Attributen
van vlak-objecten kunnen op verschil
lende niveaus in een classificatiehiërar
chie worden weergegeven. Een vlak-
object van het type bodem bijvoorbeeld
kent verschillende abstractieniveaus
(fig. 2). Op het meest gedetailleerde ni
veau (subklasseniveau) is het vlak te be
schrijven als zware klei. Een stap hoger
in de classificatiehiërarchie wordt het
vlak als klei getypeerd. Door vlak-ob
jecten op een hoger niveau af te beelden
en samen te voegen, als ze dezelfde
beschrijving krijgen, vindt generalisatie
plaats. Indien bij deze vorm van genera
lisatie alleen wordt geschoven in de
classificatiehiërarchie, vindt nog geen
toepassingsgerichte generalisatie plaats.
In de praktijk kan het voorkomen dat
bepaalde, voor een toepassing belangrij
ke, objecten op subklasseniveau dienen
te worden weergegeven, terwijl voor an
dere objecten klasseniveau voldoende
is. In de geïmplementeerde methode is
deze toepassingsgevoelige sturing inge
bracht door aan ieder classificatieniveau
van de objecten een zogenaamde be
langrijkheidsfactor toe te kennen. De
belangrijkheidsfactor varieert van 0 tot
1waarbij 0 een geringe belangrijkheid
voor de toepassing aangeeft en 1 een
zeer hoge belangrijkheid. De mate van
generalisatie kan door de gebruiker
worden gestuurd door bijvoorbeeld al
leen de objecten te behouden met een
belangrijkheidsfactor groter dan 0,5.
Een voordeel van de attribuut-klasme-
540
