KARTOGRAFISCH TIJDSCHRIFT
KERNKATERN 8
!;i« li'l
Rozendaal
A'r n hem
Renkum
Westervoort
^Heteren
Huissen
Juiven
Bemme
Beinlingen"T^lütibergen
Nijmegen
vvnchen
Groesbeek
Figuur 7. Uitkering
uit het gemeente-
fonds per inwoner
(weergegeven aan
de band van ver-
schillen in de grafi
sche variabele
'grein
Meetschalen en hun grafische vertaling
Wanneer we ruimtelijke verschijnselen
meten, gebruiken we daarvoor verschal
lende meetschalen. We onderscheiden:
nominale meetschaal om verschallende kwaliteiten of
soorten te onderscheiden (bijv. bouwland/bos/weiland)
ordinale meetschaal om verschallen in volgorde of hierar-
chie mee aan te geven (bijv. koud/gematigd/warm/ heet)
intervalmeetschaal om tussenafstanden tussen waarden
mee aan te geven (bijv. 10°, 20°, 30°, 40° C)
ratio-meetschaal om verhoudingen tussen waarden mee
aan te geven (bijv. gemiddelde inkomens per hoofd).
Die meetschalen zijn, zoals we gezien
hebben, aan grafische variabelen te kop-
pelen. Die koppeling geschiedt met die
grafische variabelen die de eigenschap-
pen van de meetschalen zö vertalen dat
die eigenschappen als vanzelf uit het re-
sulterende grafische beeld worden afge-
lezen. Tussen de grafische variabelen be-
staat een bepaalde volgorde: sommige
zijn 'hoger omdat ze meerdere meet
schalen kunnen vertalen. Zo kunnen
verschallen in grootte zowel verhoudin
gen als verschallende afstanden als een
volgorde aangeven. Voor andere grafi-
Figuur 8. Schema
dat de grafische va
riabelen relateert
aan de meetschalen
via de zeggings-
kracht die ze heb
ben naar [Bertin
Geels]).
Meetnivo
Ordinaal
Kenmerkend
Inbegrepen
j§§§ Sterk
k\\N Zwak
Interval
Visuele
variabelen
Platte vlak
Grootte
Gri swaarde
Grein
Kleur
Definitie
Perceptie
Richting
Vorm
sehe variabelen geldt dat niet. Er is dus 00k zoiets als een
hierarchie tussen de grafische variabelen.
Dat alles kan in een Schema worden ondergebracht, zoals
aangegeven in figuur 8. Het uitwerken van de verschallen in
grafische variabelen en hun zeggingskracht is de Verdienste
van de Fransman Jacques Bertin [1967]; het Schema dat de
relaties verduidelijkt is ontworpen door Geels [1987].
Dit Schema in figuur 8 veronderstelt dat, voorafgaand aan
de visualisatie of kartering van gegevens, de informatie
moet worden geanalyseerd. Omdat we weten welke zeg
gingskracht de grafische variabelen hebben, en omdat we
weten hoe we gegevens gemeten op bepaalde meetschalen
kunnen weergeven, weten we 00k welke grafische variabe
len in aanmerking komen voor de weergave van welke
meetschalen.
Leesniveau en beeldvorming
Maar alleen de toepassing van het Schema in figuur 8 is niet
voldoende. Wanneer we ons aan bepaalde beperkingen hou-
den bij de toepassing, kunnen we er bovendien voor zorgen
dat er een hoog beeldniveau optreedt. Wat bedoelen we
daarmee? Kaarten kunnen op verschallende niveaus infor
matie verstrekken. Men kan er bijvoorbeeld altijd op afle-
zen wat de situatie is op een bepaald punt, vaak hoe een be
paalde legenda-eenheid Over het gekarteerde gebied ver-
spreid is, en soms hoe de spreiding over het gebied is van
alle gekarteerde verschijnselen. We noemen de kaarten
waarop dat mogelijk is resp. kaarten met een laag, gemid-
deld en hoog beeldniveau. Ook die verschallende beeldni-
veaus vallen aan de grafische variabelen te koppelen.Variatie
in grootte of grijswaarde steh ons altijd in Staat de variatie
in het verschijnsel over het hele gebied af te lezen. We noe
men die eigenschap 'beeldvorming'. Verschil in kleur steh
ons in Staat op elke kleur apart te selecteren, en de ligging
van alle Symbolen in die kleur in een keer af te lezen en hun
patroon te onderscheiden. We noemen die eigenschap (van
de variatie in kleur) 'selectie'. En wanneer we alleen maar in
Staat zijn de attributen van een symbool in de legenda terug
te vinden - dat is meestal het geval bij toepassing van Sym
bolen met vormverschillen - dan spreken we van de eigen
schap onderscheid'.
Maar er zijn beperkingen - zowel bij onderscheid, selectie
als beeldvorming. Wanneer er te veel verschallende Symbo
len zijn, dan duurt het te lang om ze in de legenda terug te
vinden. Zijn er te veel kleuren dan lukt ook de selectie niet
meer. Daarom is voor selectie een extra Schema opgenomen
dat het maximale aantal te onderscheiden klassen aangeeft
wil de selectie nog wel slagen (figuur 9).
Wanneer we grafische variabelen met elkaar combineren,
dus bijvoorbeeld klassen zowel in grijswaarde als in patroon
(vorm) laten varieren, zullen de overeenkomstige eigen
schappen van de variabelen elkaar versterken. Is er sprake
van tegenstrijdigheid dan zullen de eigenschappen van de
bovenste variabelen in het Schema domineren. Combinaties
kunnen nuttig zijn om bijvoorbeeld het aantal trappen of
klassen dat visueel kan worden onderscheiden (selectie) te
vergroten: wanneer men volgens het Schema slechts 5 ver
schallende klassen kan onderscheiden voor een choropleet,
(dus met verschallen in grijswaarde), kan men deze schaal
verlengen door ook kleurverschillen erin te verwerken.
31
