KARTOGRAFISCH TIJDSCHRIFT
I997-XXIII-2
Figuur 2. Combi-
natie van classifica
tie en onzekerheids-
informatie: a. kleur
en grijstint,
b. kleur en kleurin-
tensiteit. Voordelen
van optie a zijn: in
grijstinten zijn
meer gradaties
waarneembaar dan
in kleurintensiteit,
met grijstinten
wordt niet een on-
terechte klassekeuze
een animatie verkend worden. Deze visualisatievorm geeft
op een doordringende manier een indruk van de stabiliteit
van het kaartbeeld: daar waar de classificatie onzeker is
vindt veel verandering van kleurstelling plaats, terwijl ge-
bieden met een zekere classificatie worden weergegeven met
een stabiele kleurstelling (figuur 2).
Er wordt onderscheid gemaakt naar visualisatie in een stati
sche of een dynamische omgeving, respectievelijk op een
papieren kaart of op een computerbeeldscherm. Een anima
tie van een gevoeligheidsanalyse leent zieh bijvoorbeeld al-
leen goed voor een dynamische omgeving, de veranderin-
gen die zieh in de kaart afspelen kunnen beter gevolgd wor
den dan wanneer alle kaartbeelden naast elkaar gezet zou-
den worden (in een statische omgeving). Daardoor is het
mogelijk dat voor een type kwaliteitsindex verschillende vi-
sualisaties de voorkeur verdienen, afhankelijk van de werk-
omgeving.
Prototype module voor fiuzzy set analyse DIFFUSE
De in het proefschrift van Hootsmans [1996] behandelde
(en nieuw gei'ntroduceerde) methoden voor de afleiding en
visualisatie van kwaliteitsinformatie zijn ondergebracht in
een prototype onzekerheidsmodule, zoals dat parallel aan
een bestaand GIS zou kunnen funetioneren. Dit prototype,
genaamd diffuse (Display of Fuzzy sets and Fuzzy SEries), is
geprogrammeerd in Microsoft Visual Basic 3.0 (vanwege
hoge eisen aan de grafische weergave) en funetioneert onder
Windows 3.1 en hoger. Momenteel is alleen invoer van ge-
gevens op een gridbasis (rasterbestanden) mogelijk. Verder
is aandacht besteed aan de gebruiksvriendelijkheid van de
user interface. Een vereenvoudigde demonstratieversie is be-
schikbaar op de World Wide Web site van de vakgroep kar-
tografie in Utrecht:
http://kartoserver.frw.ruu.nl/html/staff/robh/robh.htm
(c)
Figuur 3. Drie ver
schillende classifica-
tiemethoden toege-
past op hetzelfde
gegevensbestand. Ze
kunnen tot ver
schillende interpre-
tatie leiden: a. ge-
lijke klassebreedte,
b. gelijk aantal
waamemingen per
klasse, c. willekeu-
rige grenzen.
m 12-108 cm
108-204 cm
I I 204-300 cm
12-56 cm
56-76 cm
76-300 cm
12-40 cm
I I 40-85 cm
I I 85-300 cm
Toepassing
In de inleiding is reeds vermeld dat het
onderzoek vooral waarde heeft voor
zoekruimtestudies, zoals destijds actu-
eel was bij de Backyard verkennet en
Koersen landelijk gebied. Deze studies
vinden 00k buiten de planologie mo
menteel veelvuldig plaats in milieu-on-
derzoek, bijvoorbeeld bij het toetsen
van milieu-effecten volgens strikte cri-
teria. Voortdurend dient men zieh te
realiseren dat er Boolean selectiecrite-
ria gehanteerd worden, waardoor het
eindresultaat geen recht doet aan de
beschikbare informatie over variabili-
teit. Het selectieresultaat behelst een
zware vereenvoudiging van de oor-
spronkelijke informatie, en is daardoor
slechts een mogelijke weergave van de
werkelijkheid in een lange reeks alter-
natieve weergaven. Figuur 3 geeft een
voorbeeld van drie verschillende Bool
ean classificaties gebaseerd op eenzelf-
de gegevensbestand met bodemdiep-
ten. De verschillen ogen spectaculair
omdat bij de interpretatie kwalitatieve
vertalingen worden gemaakt: de klasse
met de laagste waarden heeft bij elk
van de drie kaarten een zeer verschil
lende breedte, die echter moeilijk te
interpreteren is. De grenzen die ogen-
schijnlijk exaet getrokken worden, blij-
ken slechts relatieve waarde te hebben
en ondermijnen daardoor het nemen
van een verantwoorde beslissing.
Het toepassen van fuzzy set analyses
biedt een instrument om uit de be
schikbare, originele informatie het risi-
co van bepaalde beslissingen te halen.
Dit kan gei'llustreerd worden met een
hypothetisch voorbeeld waarbij de
grens tussen urbaan en ruraal gebied
gezocht wordt in een verstedelijkings-
onderzoek. Volgens een Boolean classi-
ficatiemethode zou men de grens bij
een bepaalde waarde voor de bevol-
kingsdichtheid kunnen leggen: een
waarde die niet in alle gevallen even
goed verantwoord kan worden. Figuur
4 toont allereerst twee Boolean selec-
ties, met als grenswaarden respectieve
lijk 150 en 175 inwoners per km2. De
resulterende classificaties tonen een
grote verschuiving tussen de klassen ru
raal en urbaan. Dit betekent dat het
verschilgebied met name inwoneraan-
tallen tussen 150 en 175 per km2 betreft.
Voor beide grenswaarden is eveneens
een fuzzy classificatie uitgevoerd (in dit
geval met een constante dispersiewaar-
de van 50 inwoners per km2). Beide re-
sultaten geven het algehele, uniforme
patroon beter weer en het blijkt dat er
18
