Visualisatie
Slotopmerkingen
KARTOGRAFISCH TIJDSCHRIFT
I995-XXI-4
Kassen 1993-1995
afname
onveranderd
Hill toename
1Lineaire verandering: mixels, geometrische tout
(passing twee classificaties), verwarring met wegen...
vorm
2. Onwaarschijnlijke uitbreiding in slechts 2 jaar tijd...
snelheid
3. Twijfeiachtige uitbreiding vanwege fysieke barriere
in beeld van 1995...
richting
4. Gei'soleerde aanwezigheid niet verwacht...
manifestatie
Figuur p.
Voorbeelden van
interpretatieregels
voor de monitoring
van kassen.
beerlijk; omvang, vorm, manifestatie
en dynamiek van bepaalde objecten
(snelheid en richting van veranderin-
gen) kunnen bepalend zijn voor de
uiteindelijke herkenning. Figuur 9 be-
nadrukt de rol van interpretatieregels
in het geval dat monitoring van kassen
resulteert in drie klassen: afname, geen
verandering en toename. De oorspron-
kelijke classificaties leveren bovendien
waardevolle achtergrondinformatie
over het karakter van de verandering:
weiland dat heeft plaats gemaakt voor
kassen of kassen die hebben moeten
wijken voor stedelijke uitbreiding.
Kwaliteitsinformatie, veelal uitgedrukt
in termen van waarschijnlijkheden,
neemt een sleutelpositie in wanneer
het om gebruikersondersteuning gaat
gedurende het classificatie- en monito-
ringproces. Een juist gebruik van deze
vorm van meta-informatie is afhanke-
lijk van de mate van succes waarmee
het aan de gebruiker wordt aangebo-
den. In dat licht bezien is de recente
aandacht voor kartografische visualisa-
tie begrijpelijk [6, 7, 8]. Kartografische
visualisatie maakt het mogelijk door te
dringen tot de werkelijke waarde van
geografische gegevens, om de reikwijd-
te van deze data te exploreren, en om
hun geldigheid op een communicatie-
ve wijze in beeld te brengen.
De waarschijnlijkheidsinformatie die
wordt afgeleid in het kader van camo-
tius kan op diverse manieren worden
gevisualiseerd; bivariate kaarten waarin
zowel klassen (kleurtoon) als maximale
waarschijnlijkheden (verzadiging of in-
tensiteit) worden gepresenteerd, zwart-
wit waarschijnlijkheidskaarten, risico-
kaarten (zie figuur 6) of een dynami-
Figuur 10.
A. Een opeenvol-
ging van verschil-
lende classificatie-
scenario 's geeft een
indruk van de aan-
wezige onzekerheid.
De Maximum
Likelihood Classi
ficatie (ml) wordt
in afiuisseling met
twee alternatieven
B. Het periodiek
laten oplichten van
twijfeiachtige ver-
anderingen in het
monitoringbeeld
(object in het mid-
den) leidt tot een
verhelderende serie
beeiden die het in-
terpretatieproces
aanzienlijk kan
vereenvoudigen.
sehe opeenvolging van visualisaties waarmee de onzekerheid
in attributen en positie wordt gei'llustreerd (figuur ioa).
Veranderingsinformatie kan eveneens baat hebben bij dyna
mische visualisaties; zo kunnen in een monitoringbeeld op-
vallende, dat wil zeggen twijfeiachtige, veranderingen wor
den benadrukt door middel van een 'knipper-effect' ('Hin
hing') (figuur -iob). Een overgang van water in 1990 naar
kassen in 1995 is op zijn minst dubieus te noemen, terwijl
een verandering van stedelijke bebouwing naar kassen geba-
seerd op classificatiewaarschijnlijkheden van respectievelijk
0,3 en 0,4 eveneens twijfelachtig is. Het in een oogopslag
waarnemen van deze onzekere gebieden redueeert de kans
op verkeerde gevolgtrekkingen.
De effectiviteit van de maatregelen ter ondersteuning van
een juist gebruik van remote-sensing-gegevens moet uit een
aantal praktische studies blijken. De rol van uitgebreide
visuele gebruikersondersteuning gedurende landgebruiks-
classificaties zal in de nabije toekomst worden getest met
behulp van de op dit moment in ontwikkeling zijnde ca-
motius Classificatie Monitoring Tool (figuur 11). De
kern van de CAMOTius-ervaring tot nu toe is de katalyseren-
de werking van kartografische visualisatietechnieken bij het
ontsluiten en exploreren van informatie uit remote-sensing-
gegevens.
Literatuur
[1] Ciolkosz, A. A.B. Kesik (1994), Satellite Remote Sen-
sing Imaging and irs Cartographic Significance. In:
Denegre, J. (ed.), Thematic Mapping from Satellite
Imagery. Oxford: Pergamon, pp. 1-29.
[2] Wel, F.J.M. van der (1995), Visualisatie van veranderin
gen. Het gebruik van remote-sensing-data in monito-
ringoperaties. Kartografisch Tijdschrift XXI, nr. 3,
pp. 84-92.
[3] Albertz, J. (1991), Grundlagen der Interpretation von
Luft- und Satellitenbildern. Eine Einführung in die
Fernerkundung. Darmstadt: Wissenschaftliche Buchge
sellschaft.
[4] Strahler, A.H. (1980), The Use of Prior Probabilities in
Maximum Likelihood Classification of Remotely Sen-
sed Data. Remote Sensing of Environment10, pp. 135-
163.
[5] Wel, F.J.M. van der B.G.H. Corte (1995), camotius
Hoofdfase. Rapport 95-06, Delft: Beleidscommissie Re
mote Sensing (bcrs), 89 pp.
[6] Goodchild, M., B. Buttenfield J. Wood (1994), Intro-
19