es
legd in het te generaliseren gebied. Dit bracht mij tot
het volgende, tweede experiment.
Op regels gebaseerde generalisatie, uitgaande
van de analyse van kaarten
Andere informatiebronnen die kunnen worden gebruikt
om kennis te vergaren over generalisatie zijn bestaande
topografische kaartseries die de aarde weergeven op
verschillende schalen. De veronderstelling is dat de kar-
tografische 'know-how' met betrekking tot generalisatie
achterhaald kan worden via zowel het 'gedrag' van in-
dividuele kartografische Objekten als de ruimtelijke re-
laties tussen kartografische Objekten op diverse kaart-
schalen. Hier gaan we dus uit van "hoe het er in
werkelijkheid uitziet op de kaart, en niet van de specifi-
katie van datgene wat daartoe zou moeten leiden"
(langran, 1991).
Er werd een systematische analyse uitgevoerd van topo
grafische kaarten van een deel van Frankrijk en Duits-
land, in samenwerking met Barbara Buttenfield, in het
kader van NCGIA initiatief 3 (ncgia, 1989) (NCGIA
National Center for Geographie Information and
Analysis in de Verenigde Staten). De bestudeerde kaart-
schalen waren 1:25.000, 1:50.000, 1:100.000 en 1:200.000
(1:250.000 voor de Franse series).
We gingen als volgt te werk:
in de twee landen werden gebieden geidentifieeerd
met een vergelijkbare grootte en met een vergelijk-
baar karakter voor wat betreft de kombinatie van
rurale, Urbane, hydrografische, orografische en topo
grafische informatie;
de gebieden zoals weergegeven op de kleinschaliger
kaarten werden rechtstreeks vergroot tot schaal
1:25.000;
over de gebieden heen werd een soort 'quadtree' mal
gelegd. De afmeting en de positie van de vensters
daarvan werden bepaald door: de dichtheid van de
verschijnselen op de kaart (hoe meer verschijnselen,
hoe kleiner het venster), en door het karakter van
het landschap (figuur 2);
elk kartografisch objekt binnen de vensters werd
voorzien van een label met een nummer dat de loka-
tie aangeeft ('window id' identifikatie van het
venster) en de schaal van weergave;
het gedrag van elk kartografisch objekt werd inge-
vuld op een speciaal formulier met vaste velden.
Beslissingen ten aanzien van de te onderscheiden velden
waren van kritiek belang, aangezien ze de struktuur
zouden bepalen van het gegevensbestand dat uit de
analyse naar voren zou komen, evenals de relevantie
van de regels die zouden kunnen worden afgeleid uit
het gegevensbestand. De volgende kategorieen velden
werden geselekteerd:
type objekt
verandering in gedrag
toegepast aspekt van generalisatie
motivaties voor generalisatie
verandering in kwaliteit van de gegevens, en
het zieh voordoen van plotselinge overgangen
('cusps').
Er werd een taxonomie van termen gespeeifieeerd, die
gebruikt kunnen worden om de velden in te vullen. Bij-
voorbeeld, objekttypen kunnen behoren tot de objekt-
klasse nederzetting, transport of hydrografie. Omge-
keerd bestaat een objektklasse uit verscheidene
objekttypen, zoals een meer, rivier, zand en dijk in het
geval van de klasse hydrografie. Het veld 'plotselinge
overgangen' heeft betrekking op de aan- of afwezigheid
van katastrofale veranderingen, die struktureel, katego
risch of grafisch kunnen zijn.
Het inventariseren is begonnen en zal leiden tot een re-
lationele database van feiten welke gebruikt kan worden
voor het opstellen van generalisatieregels. Voorbeelden
van vraagstellingen die zullen worden gericht aan het
gegevensbestand zijn:
Geef me alle Objekten, die werden samengevoegd,
gaande van schaal 1:50.000 naar schaal 1:100.000.
Geef me alle veranderingen die een objekt heeft on-
dergaan van schaal 1:25.000 tot 1:200.000.
Welke Objekten zijn het meest verplaatst en welke
blijven op dezelfde piek?
Wat is de motivatie voor een verandering in de af-
beelding van het objekttype weg?
Laat me wat statistische gegevens zien (korrelatie
tussen generalisatie-aspekten, objekttypen en moti
vaties) enz.
Figuur 3 laat voorbeelden zien van vraagstellingen die
het gegevensbestand op een relationele manier door-
kruisen. De antwoorden op de vragen kunnen worden
gebruikt om feiten vast te stellen die, op hun beurt, be-
nut kunnen worden om nieuwe regels uit af te leiden.
Bijvoorbeeld, uit het feit:
afbeelding (snelweg, dubbellijns)
krijgen we de regel
afbeelding (X, dubbellijns) isa (X, snelweg)
Vandaar dat het programma als antwoord op de vraag:
- afbeelding (A15, dubbellijns)
UUAi
Figuur 2. Werkvensters voor identifikatie en analyse van kar
tografische Objekten.
44
KT 1991.XVII.4
