33
KARTOGRAFISCH TIJDSCHRIFT
van de steekproef of de tussenafstand
waarmee de bodemmonsters genomen
zijn. Maar die meta-informatie is ook
nodig bij het proces van de analyse van
de verzamelde gegevens: wanneer we
gegevensverzamelingen combineren,
transformeren dan wel aggregeren (sa-
menvoegen tot hogere niveaus), moe-
ten we in Staat zijn aan te geven wat er
daarbij gebeurt met de kwaliteit van de
gegevens. De gebruikers moeten niet
alleen op de hoogte gebracht worden
van de kwaliteit van de gegevensverza-
meling als geheel, maar ook van de lo
kale of regionale afwijkingen of ano-
malieen in de gegevenskwaliteit, met
name wanneer ze de gegevens willen
gebruiken om op basis ervan locaties,
corridors of gebieden te selecteren die
aan bepaalde eisen beantwoorden.
I997-XXIII-4
De klassenindelingen waarmee karto-
grafen werken kunnen zodanig zijn dat
de klassen elkaar wederzijds uitsluiten.
We spreken dan van een scherpe of
'crisp' classificatie (bijv. als de bevol-
kingsdichtheid in een provincie va-
rieert tussen 155 en 390 inw./km2, een
indeling van gemeenten in de klassen
15CX200, 20CX250, 251x300, 300-
<350 en 350-<400 inw./km2). Maar het
kan ook zijn dat de indeling zö vaag
('fuzzy') is, dat een waarneming in
meerdere klassen kan vallen, en de
klassen elkaar dus deels overlappen
(bijv. een indeling in läge, gemiddelde
en hoge bevolkingsdichtheid; een ge-
meente die op de grens van een läge en
gemiddelde dichtheid ligt, kan in bei
de klassen vallen). Zo'n indeling heet
dan een 'fuzzy' classificatie.
Om de nauwkeurigheid van de toeken-
ning van een waarneming aan een Mas
se aan te geven hebben we nauwkeurig-
heidsmaten ontwikkeld. Bij 'crisp' clas-
sificaties is dat de waarschijnlijkheid
('probability')Waarschijnlijkheidswaar-
den liggen tussen de o en 1, en die
waarden geven de kans aan dat de waar
neming tot een bepaalde Masse hoort.
Bij 'fuzzy' classificaties geeft de gebruik-
te nauwkeurigheidsmaat aan in welke
mate een waarneming binnen een be
paalde Masse valt. De waarde van de
maat daarvoor, de mogelijkheid ('possi-
bility'), kan ook varieren tussen o en 1.
Maar hier - omdat er overlap tussen de
Massen kan zijn - is er sprake van moge-
lijkheidswaarden ('possibility values')
die de mate van lidmaatschap van ver-
schillende Massen kunnen aangeven.
Er is door kartografen een aantal tech-
nieken ontwikkeld om de kwaliteitsin-
formatie over gegevens (zoals de bovengenoemde waar-
schijnlijkheden dan wel mogelijkheden) te visualiseren; zie
daarvoor Van der Wel e.a. [1994] en Jiang [1996]. Ten einde
de nauwkeurigheid van op de ratio-schaal meetbare attribu-
ten te visualiseren is het bijvoorbeeld mogelijk deze met
verschillen in grootte aan te geven. Ten einde de nauwkeu
righeid van op de nominale meetschaal meetbare gegevens
te tonen kan men zowel Meurverschillen, richtingverschil-
len als verschillen in textuur of patroon toepassen. Deze va-
riabelen kunnen zowel in een aparte kaart naast de hoofd-
kaart worden weergegeven als in de hoofdkaart worden
geintegreerd. In het laatste geval is er sprake van een combi-
natie van verschillende variabelen, waarbij verschillen in
Meursoort bijvoorbeeld inhoudelijke informatie geven (zo
als de indicatie van de bodemsoorten) en andere variabelen,
zoals grijswaarde, de nauwkeurigheid van die bodeminfor-
matie aanduiden. Hootsmans heeft ontdekt dat het nog uit-
maakt of de variabelen die de kwaliteit van de gegevens
aanduiden in een statische of een dynamische omgeving
worden gebruikt. In het laatste geval, dus wanneer er sprake
kan zijn van animaties, nemen de mogelijkheden om kwali-
teitsinformatie over te dragen sterk toe (figuur 3).
Andere aspecten van gegevenskwaliteit dan 'fuzziness' (de
mate van overeenkomst met het kerngebied van de Masse)
zijn ambiguity' (het verschil in waarde tussen de Masse
waartoe een gebied met de grootste mogelijkheid en de
Masse waar het met de op een na grootste mogelijkheid toe
hoort), de 'credibility' (dat geeft de stabiliteit van de locatie
van de Massegrenzen in de kaart aan) of de betrouwbaar-
heid van de grens ('boundary certainty') figuur 4). Wan
neer ik bij mijn kaartgebruik gei'nteresseerd zou zijn in het
afperken van verschijnselen zou ik een kwaliteitskaart willen
hebben die de 'boundary certainty' toont, met achromati
sche variabelen. Als ik meer gei'nteresseerd zou zijn in het
identificeren van de kerngebieden van een Massenindeling
zou ik Mezen voor een visualisatie van de 'fuzziness' of de
ambiguity'. In veel gevallen zou ik voor de gebruiker betere
Figuur 3. De ejfec-
ten van grafische
variabelen voor het
visualiseren van in
formatie over onze-
kerheid, afhanke-
lijk van de manier
waarop ze worden
afgebeeld [Hoots
mans, 1996].
Grafische variabelen
Grijswaarde (achromatisch)
apart
gecombineerd
Kleur
grijswaarde a
grijswaarde b
verzadiging
Grootte
Overige visuele effecten
beeldscherpte
slicing
driedimensionale weergave
opflikkeren (blinking)
in bepaalde volgorde opbouwen
Overige niet-visuele effecten
tastbare effecten
hoorbare effecten
weergave-omgeving
statisch interactief
(met grijswaarde a wordt bedoeld de overgang van puur zwart
naar 100% kleur; met grijswaarde b wordt bedoeld de overgang
van puur wit naar 100% kleur)