Taalkundige onzekerheid
in ruimtelijke analyse
modellering en visualisatie
KARTOGRAFISCH TIJDSCHRIFT
I997-XXIII-2
Bin Jiang
kartografische visualisatie, modellering van geografische informade, kwaliteitsbeheersing trefwoorden
cartographic visualization, modelling of geographical informadon, quality control keywords
visualisadon cartographique, modellisation de 1'informadon geographique, controle de qualite mots-CLES
Om de interpretatie van remote sensing- en Gis-gege-
vens te vergemakkelijken worden de gegevens vaak ge-
classificeerd. Zo kunnen de vele hellingshoeken binnen
een reliefrijk gebied worden omgezet in een beperkt
aantal klassen die met taalkundige begrippen zoals
'lichte, matige en steile helling' worden aangeduid. De
overgangen tussen dergelijke klassen worden traditio-
neel scherp en abrupt weergegeven. In werkelijkheid
zijn ze vaak minder scherp te trekken en bestaat er on
zekerheid over de juiste locatie ervan. In diverse toepas-
singen moet met deze onzekerheid rekening worden ge-
houden. In dit artikel leest u meer over het modelleren
en kartografisch visualiseren van dergelijke onzekerhe-
den.
Zodra er taalkundige begrippen worden gebruikt voor de
classificatie van remote sensing- en Gis-gegevens ontstaat er
onzekerheid. Wat is de betekenis van deze taalkundige be
grippen als ze worden gebruikt om klassen met ruimtelijke
objecten te beschrijven? Neem bijvoorbeeld de taalkundige
variabele helling. Zeer lichte, matig lichte, lichte, matige,
matig steile, steile, zeer steile en extreem steile helling zijn
voorbeelden van begrippen die in dit verband gebruikt
kunnen worden. In het algemeen is de waarde van een taal-
kundig begrip een samengestelde term x xix2...xn, het-
geen een aaneenschakeling van de afzonderlijke uitdrukkin-
gen xi, x2,..., xn is. Deze afzonderlijke termen kunnen wor
den verdeeld in vier categorieen [Zadeh, 1978]:
1. Primaire termen, ofwel aanduidingen voor specifieke
fuzzy subsets ('vage deelverzamelingen'), bijvoorbeeld licht
en steil in bovengenoemd voorbeeld.
2. De ontkenning niet en de voegwoorden en en of.
3. Toevoegingen, zoals zeer, matig, veel, minder, licht, min of
meer.
4. Markeringen, zoals haakjes.
Primaire termen komen bij ruimtelijke analyse vaak voor in
een combinatie van drie of vijf niveaus, zoals {licht, matig,
steil} of zeer licht, licht, matig, steil, zeer steil}. Hierbij wor
den middelen gebruikt om de reeks waarden van een taal-
kundig begrip te versterken, af te zwakken of te structure-
Dr. Bin Jiang is
momenteel werk-
zaam als postdoc-
toraal onderzoeker
bij het Instituut
voor Geografische
Wetenschappen,
Vrije Universiteit
van Berlijn, Arno-
Holz-Strasse 12,
1216s Berlijn,
Duitsland. Tel.
+49 40 848 3892;
fax +49 30 838
6739; e-mail
bjiang@gauss.
geog.fu-berlin. de
ren. De voegwoorden en en verbin
den verschillende primaire termen om
een gecombineerde te verkrijgen. Ze
worden gewoonlijk gebruikt in opera-
ties waarbij gegevens worden opge-
vraagd. De ontkenning kan bij primai
re termen worden toegepast. Een taal
kundige toevoeging of bepaling is een
middel om de betekenis van een term,
of meer in het algemeen van een fuzzy
set, te veranderen. Steil kan bijvoor
beeld worden veranderd in matig steil
of zeer steil. In dit voorbeeld worden
twee soorten bepalingen gebruikt, een
afzwakkende en een versterkende. Tij-
dens zoekoperaties betekent zoeken
binnen een straal van (bijvoorbeeld) 5
km eigenlijk ongeveer 5 km, of bij be-
nadering y km. Daarom zijn er drie
groepen taalkundige toevoegingen no-
dig die gebruikt kunnen worden om
Vaagheid' aan te geven voor ruimtelij
ke analyse, de twee bovengenoemde
bepalingen en een toevoeging die fun-
geert als benadering.
Bij fuzzy ruimtelijke analyse zouden de
volgende vragen kunnen opkomen:
Wat is de verspreiding van een fuzzy
klasse?
Hoe verändert de verspreiding als de
fuzzy klasse wordt versterkt of ver-
zwakt?
Wat is de verspreiding van een com
binatie van twee fuzzy klassen?
In dit artikel worden enkele basisprin-
cipes gepresenteerd die te maken heb-
ben met fuzzy ruimtelijke analyse, in-
clusief het genereren van fuzzy-gege-
vens en het combineren van gegevens
door overlay-operaties. Om de fuzzy
sets te kunnen analyseren en om het
8