Digitale kartografische generalisatie
KERNKATERN 7
Toegelicht met voorbeelden van Topografische aard
KARTOGRAFISCH TIJDSCHRIFT
A. Brown
Vanuit digitale geografische bestanden kunnen gege-
vens gemakkelijk worden weergegeven op diverse scha
len. Bij weergave op een grotere of kleinere schaal dan
bedoeld was door de makers van het digitale bestand
loopt men echter al snel op tegen problemen met de
nauwkeurigheid of de leesbaarheid. Bij schaalverklei-
ning is al snel generalisatie nodig. Wat houdt generali
satie in, en kan het volledig automatisch worden uitge-
voerd? Op deze vragen wordt hier nader ingegaan.
Alle kaarten en digitale geografische
gegevensbestanden zijn generalisaties
van de werkelijkheid. Zo wordt er bij
veldopnamen en interpretatie van
luchtfoto's en satellietbeelden altijd
een selectie gemaakt die verband
houdt met het latere gebruik van de
gegevens. Verder zijn de geometrische
nauwkeurigheid, de mate van vereen-
voudiging en de classificatie van be
lang. In de traditionele kartografie
worden deze factoren gerelateerd aan
de schaal van de kaart. Een veelvuldig
gebruikte maatstaf is een minimum
lijndikte en meetnauwkeurigheid van
0,1 mm op de kaart. Als dan bijvoor-
beeld 10 cm grondnauwkeurigheid
wordt vereist, betekent dit een schaal
van 1:1000.
Nauwkeurigheid en detail blijven be-
langrijk in het huidige digitale tijd-
perk. Nieuw is het gemak waarmee
een digitaal bestand afgedrukt kan
worden op verschallende schalen. Er
blijft echter een ideale schaal: bij ver-
groting worden de geometrische on-
nauwkeurigheden groter dan 0,1 mm,
bij verkleining raken de details verlo
ren. Nieuw is 00k het toekennen van
attributen aan de punten, lijnen, vlak-
ken en objecten die deel uitmaken van
Allan Brown do-
ceert aan het ITC
te Enschede, in de
divisie Kartografie
van de afdeling
Geoinformatics
(Postbus 6, 7500
aa Enschede
tel. 053-4874477)
een digitaal bestand. Deze attributen zijn vaak goed bruik-
baar tijdens generalisatie van een bestand voor een afdruk
op een kleinere schaal.
Het hoofddoel van dit kernkatern is het beschrijven van de
generalisatieprocedures die nodig zijn als een grafische
weergave wordt gemaakt van een digitaal vectorbestand op
een kleinere dan de ideale schaal. Hoewel hierdoor verande-
ringen in het digitale bestand kunnen optreden, is de gene
ralisatie van een digitaal bestand op zieh een verhaal apart,
dat buiten het kader van dit kernkatern valt.
Vormen van generalisatie
Doorgaans wordt onderscheid gemaakt tussen twee vormen
van kartografische generalisatie. Conceptuele generalisatie be
fielst beslissingen die gemaakt moeten worden voordat de
pen (of muis) ter hand wordt genomen. Dit omvat de vol-
gende deelactiviteiten: het selecteren/weglaten van hele ca-
tegorieen van informatie, zoals putdeksels op een schaal van
1:10.000; het (her)classificeren, symboliseren en benadruk-
ken van gegevens.
Grafische generalisatie vindt plaats als de kartograaf de grafi
sche handelingen begint, tegenwoordig meestal gezeten
voor een computerscherm met een muis in de hand. De
deelactiviteiten van grafische generalisatie zijn: vereenvoudi-
gen, vergroten, verplaatsen en grafisch samenvoegen, bijv.
van kleine bosperceeltjes. Ook belangrijk is het grafisch se
lecteren/weglaten, zoals het weglaten van een aantal sloten
met behoud van het algemene slotenpatroon. Alle deelacti-
veiten van beide vormen van generalisatie worden gei'llus-
treerd aan de hand van twee voorbeelden.
De gestruetureerde gegevens in een digitaal bestand, veelal
opgeslagen in 'lagen', zijn uitermate geschikt voor het uit-
voeren van conceptuele generalisatie. Grafische generalisatie
is echter een ander verhaal. Ondanks vele pogingen bestaat
er nog geen volautomatisch generalisatiesysteem. Zelfs ge-
avaneeerde Software, zoals Map Generalizer van de firma
Intergraph, eist veel interactie van de kartograaf. In de vol-
gende voorbeelden werd de grafische generalisatie dan ook
manueel op het scherm uitgevoerd.
25
