4?
36
KARTOGRAFISCH TIJDSCHRIFT
2QOO-XXVI-2
Figuur ia - GBKN.
Figuur ib - TOPiovector.
houding onderscheid worden gemaakt tussen landelijk en ste-
delijk gebied. Deze frequencie kan varieren van continu in ste-
delijk gebied tot tweejaarlijks in landelijk gebied. Vanaf 1997
kunnen voor elk willekeurig tijdstip GBKN-mutaties geleverd
worden.
Bijhouding TOP I Ovector met de GBKN
Uitgangspunt bij het uitgevoerde onderzoek was dat de vierja-
rencyclus gebaseerd op luchtfotografie in tact zal blijven (regu
liere herziening). Het verwerken van GBKN-gegevens kan dan
op twee manieren in het TOPiovector-proces worden ingepast:
kort voordat de reguliere herziening wordt uitgevoerd: zodat
er alleen een naverkenning hoeft te worden uitgevoerd, wat
tot een efficientere inwinning leidt;
tussen twee reguliere herzieningen in (de zogenaamde tussen-
tijdse herziening): waardoor de actualiteit van TOPiovector
wordt verhoogd.
Tot op heden is de laatste optie in detail onderzocht. Dit arti-
kel beschrijft dit onderzoek. De bijhouding met GBKN-gege-
vens kan geschieden op twee manieren:
op interactieve wijze,
op (semi-)automatische wijze middels kaartintegratie en mu-
tatie-propagatie.
Interactieve wijze
In 1998 heeft een onderzoek plaatsgevonden om de tussentijd-
se herziening te simuleren [TDN/Kadaster, 1999]. Bij de gege-
vensinwinning zijn GBKN-mutaties het uitgangspunt geweest
en niet de volledige actuele gbkn. In een eerder onderzoek
bleek dat het opsporen van terreinwijzigingen door een volle
dige gbkn en TOPiovector visueel met elkaar te vergelijken niet
efficient was [TDN/Kadaster, 1997].
Het geteste bijhoudingsproces verloopt als volgt (figuur 3). De
GBKN-mutaties worden gesplitst in gebouwen en overige objec-
ten (kant weg, kant water e.d.). De gebouwen worden automa
tisch gegeneraliseerd. TOPiovector neemt van gebouwen geen
geometrische details kleiner dan 3 meter op. De gegeneraliseer-
de gebouwen en de overige objecten worden op de achtergrond
van het TOPiovector-bestand op het beeldscherm geplaatst.
Door weergave-verschillen tussen vervallen en nieuwe gbkn-
objecten is duidelijk waar TOPiovector moet worden aangepast.
De digitaliseerder verwijdert de met de vervallen objecten cor-
responderende objecten uit TOPiovector en voegt de nieuwe
Figuur 2 - Verschil in objectdefinities: water.
objecten toe. De gebouwen kunnen di-
rect uit de GBKN-mutaties worden geko-
pieerd; ze zijn immers volgens de
TOPiovector-verkenningsregels gegenera
liseerd. De overige objecten worden
handmatig gedigitaliseerd, waarbij de
TOPiovector-verkenningsregels worden
toegepast.
In figuur 4 is een voorbeeld weergegeven
van de herziening van TOPiovector op
basis van nieuwe GBKN-object-mutaties.
Het onderzoek heeft zieh uitgestrekt over
vier kaartbladen 1:10.000. GBKN-mutaties
zijn daartoe aangeleverd door de Basis-
kaart Noord-Holland v.o.f., de gemeente
Almere en het Kadaster Utrecht. Hier-
door is ervaring opgedaan met het wer
ken met verschillende GBKN-aanbieders.
De produetie-proeven hebben aange-
toond dat het technisch mogelijk is om
de belangrijkste objectklassen van
TOPiovector bij te houden op basis van
GBKN-mutaties. Om de efficientie en ef-
fectiviteit te optimaliseren dient in de
toekomst aandacht te worden besteed
aan:
het vooraf filteren van de GBKN-muta
ties,
het gebruik maken van plantopografie,
het aanleveren van gebouwen-mutaties
volgens eenduidige vlakgeometrie.
Deze aandachtspunten worden hieron-
der nader uitgelegd.
Figuur 3 - Flow-
diagram tussentijdse
herziening.
GBKN-mutaties
Gebouwen
Overige elementen
TOPIOvector
Digitaliseren
Controle
TOPIOvector
