Kartografisk generalisering - Cartographic generalization
Kartografisk generalisering , eller kart generalisering , omfatter alle endringer i et kart som er gjort når man utleder en mindre skala kart fra et kart i større målestokk eller kartdata, eller vice versa. Det er en sentral del av kartografisk design . Enten det gjøres manuelt av en kartograf eller av en datamaskin eller et sett med algoritmer , søker generalisering å abstrahere romlig informasjon på et høyt detaljnivå til informasjon som kan gjengis på et kart på et lavere detaljnivå. For eksempel kan vi ha oversikten over alle de tusenvis av bygninger i en region, men vi ønsker å lage et kart over hele byen som ikke er mer enn noen få centimeter bredt. I stedet for å kaste ut bygningsinformasjonen, eller prøve å gjengi alt på en gang, kunne vi generalisere dataene til en slags oversikt over det urbaniserte området i regionen.
Kartografen har lisens til å justere innholdet i kartene sine for å lage et passende og nyttig kart som formidler romlig informasjon, samtidig som den finner den rette balansen mellom kartets formål og den nøyaktige detaljen til motivet som blir kartlagt. Godt generaliserte kart er de som understreker de viktigste kartelementene, men fremdeles representerer verden på den mest trofaste og gjenkjennelige måten.
Historie
I løpet av første halvdel av 1900 -tallet begynte kartografer å tenke seriøst på hvordan funksjonene de tegnet var avhengig av skala. Eduard Imhof , en av de mest dyktige akademiske og profesjonelle kartografene på den tiden, publiserte en studie av byplaner på kart i en rekke skalaer i 1937, og spesifiserte flere former for generalisering som skjedde, inkludert de som senere ble kalt symbolisering, sammenslåing, forenkling, forbedring og forskyvning. Etter hvert som analytiske tilnærminger til geografi oppstod på 1950- og 1960 -tallet, var generalisering, spesielt linjeforenkling og rasterutjevning, et mål for studiet.
Generalisering var sannsynligvis det mest grundig studerte aspektet ved kartografi fra 1970- til 1990 -tallet. Dette er sannsynligvis fordi det passer inn i begge de to store forskningstrendene i æra: kartografisk kommunikasjon (spesielt signalbehandlingsalgoritmer basert på informasjonsteori ), og mulighetene som teknologisk fremgang gir (på grunn av potensialet for automatisering). Tidlig forskning fokuserte først og fremst på algoritmer for automatisering av individuelle generaliseringsoperasjoner. På slutten av 1980 -tallet tenkte akademiske kartografer større, utviklet en generell teori om generalisering og undersøkte bruk av ekspertsystemer og andre begynnende kunstig intelligens -teknologier for å automatisere hele prosessen, inkludert beslutninger om hvilke verktøy som skal brukes når. Disse sporene grunnla noe på slutten av 1990-tallet, sammenfallende med et generelt tap av tro på løftet om AI, og økningen av post-moderne kritikk av virkningene av automatisering av design.
I de siste årene har generaliseringssamfunnet opplevd en oppblomstring, delvis drevet av de fornyede mulighetene for AI. En annen nylig trend har vært fokus på kartlegging på flere skalaer , integrering av GIS-databaser utviklet for flere målskalaer, innsnevring av behovet for generalisering til skalaen "hull" mellom dem, et mer håndterbart nivå for automatisering.
Teorier om kartdetaljer
Generalisering defineres ofte bare som å fjerne detaljer, men den er basert på ideen, opprinnelig vedtatt fra informasjonsteorien , om informasjonsmengden eller detaljene som finnes på kartet, og hvordan volumet styres av kartskala, kartformål og hensikt publikum. Hvis det er en optimal mengde informasjon for et gitt kartprosjekt, er generalisering prosessen med å ta eksisterende tilgjengelige data, ofte kalt (spesielt i Europa) den digitale landskapsmodellen (DLM), som vanligvis men ikke alltid har en større mengde informasjon enn nødvendig, og behandle den for å lage et nytt datasett, ofte kalt den digitale kartografiske modellen (DCM), med ønsket mengde.
Mange generelle konseptuelle modeller har blitt foreslått for å forstå denne prosessen, ofte forsøkt å fange beslutningsprosessen til den menneskelige mesterkartografen. En av de mest populære modellene, utviklet av McMaster og Shea i 1988, deler disse avgjørelsene i tre faser: Filosofiske mål , de generelle årsakene til at generalisering er ønskelig eller nødvendig, og kriterier for å evaluere suksessen; Kartometrisk evaluering , egenskapene til et gitt kart (eller funksjon på kartet) som krever generalisering; og romlige og attributtransformasjoner , settet med generaliseringsoperatorer tilgjengelig for bruk på en gitt funksjon, et lag eller et kart. I den første, mest konseptuelle fasen, viser McMaster og Shea hvordan generalisering spiller en sentral rolle i å løse de ofte motstridende målene for kartografisk design som helhet: funksjonalitet kontra estetikk, informasjonsrikdom mot klarhet og ønsket om å gjøre mer vs. begrensningene til teknologi og medium. Disse konfliktene kan reduseres til en grunnleggende konflikt mellom behovet for mer data på kartet, og behovet for mindre, med generalisering som verktøy for å balansere dem.
En utfordring med informasjonsteorisk tilnærming til generalisering er dens grunnlag for å måle mengden informasjon på kartet, før og etter generaliseringsprosedyrer. Man kan tenke seg at et kart blir kvantifisert med kartinformasjonstettheten , gjennomsnittlig antall "biter" av informasjon per arealenhet på kartet (eller dets følge, informasjonsoppløsning , gjennomsnittlig avstand mellom biter) og dens grunninformasjonstetthet eller oppløsning , de samme målene per arealenhet på jorden. Skala ville dermed være proporsjonal med forholdet mellom dem, og en endring i skala ville kreve justering av den ene eller begge av dem ved hjelp av generalisering.
Men hva teller som en "bit" av kartinformasjon? I spesifikke tilfeller er det ikke vanskelig, for eksempel å telle det totale antallet funksjoner på kartet, eller antall hjørner i en enkelt linje (muligens redusert til antall fremtredende hjørner); slik rettferdighet forklarer hvorfor disse var tidlige mål for generaliseringsforskning. Imidlertid er det en utfordring for kartet generelt, der det oppstår spørsmål som "hvor mye grafisk informasjon er det i en kartetikett: en bit (hele ordet), litt for hvert tegn, eller biter for hvert toppunkt eller kurve i hvert tegn, som om de var hver av områdets funksjoner? " Hvert alternativ kan være relevant til forskjellige tider.
Denne målingen blir ytterligere komplisert av rollen som kartsymbologi , som kan påvirke den tilsynelatende informasjonstettheten . Et kart med et sterkt visuelt hierarki (dvs. med mindre viktige lag som er dempet, men fortsatt er tilstede) bærer en estetikk for å være "klar" fordi det ved første øyekast ser ut til å inneholde færre data enn det egentlig gjør; omvendt, et kart uten visuelt hierarki, der alle lagene virker like viktige, kan oppsummeres som "rotete" fordi ens første inntrykk er at det inneholder flere data enn det egentlig gjør. Å designe et kart for å oppnå ønsket gestaltestetikk handler derfor om å håndtere den tilsynelatende informasjonstettheten mer enn den faktiske informasjonstettheten. Med ordene til Edward Tufte ,
Forvirring og rot er feil i design, ikke attributter til informasjon. Og så er poenget å finne designstrategier som avslører detaljer og kompleksitet-i stedet for å utsette dataene for overdreven komplikasjon.
Det er nylig arbeid som anerkjenner rollen som kartsymboler, inkludert Roth-Brewer-typologien til generaliseringsoperatører, selv om de presiserer at symbologi ikke er en form for generalisering, bare en partner med generalisering for å oppnå ønsket tilsynelatende informasjonstetthet.
Operatører
Det er mange kartografiske teknikker som brukes til å justere mengden geografiske data på kartet. Gjennom flere tiår med generaliseringsforskning har over et dusin unike lister over slike generaliseringsoperatører blitt publisert, med betydelige forskjeller. Faktisk er det flere anmeldelser som sammenligner listene, og selv savner de noen få fremtredende, for eksempel den som ble funnet i John Keates 'første lærebok (1973) som tilsynelatende var forut for sin tid. Noen av disse operasjonene har blitt automatisert med flere algoritmer, med verktøy tilgjengelig i geografiske informasjonssystemer og annen programvare; andre har vist seg mye vanskeligere, med de fleste kartografer fremdeles utført dem manuelt.
Plukke ut
Også kalt filter, utelatelse
En av de første operatørene som ble gjenkjent og analysert, og som først ble vist i Keates -listen fra 1973, er utvelgelsen prosessen med å fjerne hele geografiske funksjoner fra kartet. Det er to typer utvalg, som er kombinert i noen modeller, og atskilt i andre:
- Lagvalg : (også kalt klassevalg eller tillegg ) valget av hvilke datalag eller temaer som skal inkluderes eller ikke (for eksempel et gatekart inkludert gater, men ikke geologi).
- Funksjonsvalg : (noen ganger kalt forfining eller eliminering ) valget av hvilke spesifikke funksjoner som skal inkluderes eller fjernes i et inkluderte lag (for eksempel hvilke 50 av millioner byer som skal vises på et verdenskart).
I funksjonsvalg er valget av hvilke funksjoner som skal beholdes eller ekskluderes mer utfordrende enn det kan virke. Ved å bruke en enkel egenskap av virkelige størrelser (bybefolkning, veibredde eller trafikkmengde, elvemengde), mens det ofte er lett tilgjengelig i eksisterende GIS-data, gir det ofte et utvalg som er overdrevent konsentrert i noen områder og sparsomt i andre. Dermed filtrerer kartografer dem ofte ved hjelp av graden av regional betydning , deres fremtredende plass i nærområdet i stedet for kartet som helhet, noe som gir et mer balansert kart, men er vanskeligere å automatisere. Mange formler er utviklet for å automatisk rangere funksjonens regionale betydning, for eksempel ved å balansere råstørrelsen med avstanden til nærmeste funksjon av betydelig større størrelse, i likhet med målinger av topografisk fremtredelse , men dette er mye vanskeligere for linjefunksjoner enn poeng, og gir noen ganger uønskede resultater (for eksempel "Baltimore -problemet", der byer som virker viktige blir utelatt).
En annen tilnærming er å manuelt kode en subjektiv vurdering av regional betydning i GIS -dataene, som deretter kan brukes til å filtrere funksjoner; dette var tilnærmingen for Natural Earth -datasettet laget av kartografer.
Forenkle
Et annet tidlig fokus for generaliseringsforskning, forenkling, er fjerning av hjørner i linjer og områdegrenser. En rekke algoritmer er utviklet, men de fleste innebærer å søke gjennom linjens hjørner og fjerne de som bidrar minst til linjens generelle form. Den Ramer-Douglas-Peucker algoritme (1972/1973) er en av de tidligste og fortsatt de vanligste teknikker for linjen forenkling. De fleste av disse algoritmene, spesielt de tidlige, satte en høyere prioritet på å redusere størrelsen på datasett i dagene med begrenset digital lagring, enn på kvalitetsutseende på kart, og produserer ofte linjer som ser overdrevent kantete ut, spesielt på kurver som elver .
Glatt
For linjefunksjoner (og områdegrenser) virker utjevning lik forenkling, og tidligere ble det noen ganger kombinert med forenkling. Forskjellen er at utjevning er designet for å få linjens generelle form til å se enklere ut ved å fjerne små detaljer; som faktisk kan kreve flere hjørner enn originalen. Forenkling har en tendens til å få en buet linje til å se kantet ut, mens utjevning har en tendens til å gjøre det motsatte.
Utjevningsprinsippet brukes også ofte til å generalisere rasterrepresentasjoner av felt , ofte ved hjelp av en jevnere tilnærming til kjernen . Dette var faktisk en av de første publiserte generaliseringsalgoritmene, av Waldo Tobler i 1966.
Slå sammen
Også kalt oppløsning, sammensmelting, agglomerasjon eller kombinere
Denne operasjonen, identifisert av Imhof i 1937, innebærer å kombinere nabofunksjoner til en enkelt funksjon av samme type, i skalaer der skillet mellom dem ikke er viktig. For eksempel kan en fjellkjede bestå av flere isolerte rygger i det naturlige miljøet, men vist som en kontinuerlig kjede i liten skala på kartet. Eller tilstøtende bygninger i et kompleks kan kombineres til en enkelt "bygning". For riktig tolkning må kartleseren være klar over at kombinert element på grunn av skalabegrensninger ikke er perfekte skildringer av naturlige eller menneskeskapte trekk. Dissolve er et vanlig GIS -verktøy som brukes til denne generaliseringsoperasjonen, men tilleggsverktøy GIS -verktøy er utviklet for spesifikke situasjoner, for eksempel å finne veldig små polygoner og slå dem sammen til større større polygoner. Denne operatøren er forskjellig fra aggregering fordi det ikke er noen endring i dimensjonalitet (dvs. linjer oppløses i linjer og polygoner til polygoner), og de originale og siste objektene er av samme konseptuelle type (f.eks. Blir bygningen bygning).
Samlet
Også kalt kombinere eller regionalisering
Aggregering er sammenslåing av flere funksjoner til en ny sammensatt funksjon, ofte med økt dimensjon (peker vanligvis på områder). Den nye funksjonen er av en ontologisk type annerledes enn de opprinnelige individene, fordi den konseptualiserer gruppen. For eksempel kan en mengde "bygninger" gjøres til en enkelt region som representerer et "byområde" (ikke en "bygning"), eller en klynge av "trær" til en "skog". Noen GIS -programvare har aggregeringsverktøy som identifiserer klynger av funksjoner og kombinerer dem. Aggregering skiller seg fra sammenslåing ved at den kan operere på tvers av dimensjoner, for eksempel aggregeringspunkter til linjer, punkter til polygoner, linjer til polygoner og polygoner til polygoner, og at det er en konseptuell forskjell mellom kilden og produktet.
Typiser
Også kalt distribusjonsforbedring
Typify er en symbologi -operatør som erstatter et stort sett med lignende funksjoner med et mindre antall representative symboler, noe som resulterer i et sparsommere, renere kart. For eksempel kan et område med dusinvis av miner være symbolisert med bare 3 eller 4 gruvesymboler som ikke representerer faktiske gruvesteder, bare den generelle tilstedeværelsen av gruver i området. I motsetning til aggregeringsoperatoren som erstatter mange relaterte funksjoner med en enkelt "gruppe" -funksjon, representerer symbolene som brukes i typify -operatoren fortsatt individer, bare "typiske" individer. Det reduserer tettheten av funksjoner samtidig som den opprettholder sin relative beliggenhet og design. Når du bruker typify -operatoren, opprettes et nytt sett med symboler, det endrer ikke de romlige dataene. Denne operatøren kan brukes på punkt-, linje- og polygonfunksjoner.
Kollapse
Også kalt Symbolize
Denne operatøren reduserer dimensjonen til en funksjon, for eksempel vanlig praksis med å representere byer (2-dimensjonale) som punkter (0-dimensjonale), og veier (2-dimensjonale) som linjer (1-dimensjonale). Ofte, et kart symbol påføres den resulterende geometri for å gi en generell indikasjon av dets opprinnelige utstrekning, slik som punkt diameter for å representere by populasjon eller linjetykkelse for å representere antallet av baner i en vei. Imhof (1937) diskuterer grundig disse spesielle generaliseringene. Denne operatøren etterligner ofte en lignende kognitiv generaliseringspraksis. For eksempel innebærer det utvetydig å diskutere avstanden mellom to byer en punktkonseptualisering av en by, og bruk av setninger som "oppover veien" eller "langs veien" eller til og med gateadresser innebærer en linjekonseptualisering av en vei.
Omklassifiser
Denne operatøren forenkler først og fremst attributtene til funksjonene, selv om det også kan oppstå en geometrisk forenkling. Selv om kategorisering brukes til en rekke formål, er oppgaven i dette tilfellet å ta et stort spekter av verdier som er for komplekse til å representere på kartet over en gitt skala, og redusere det til noen få kategorier som er mye enklere å representerer, spesielt hvis geografiske mønstre resulterer i store regioner i samme kategori. Et eksempel ville være å ta et landdekkingslag med 120 kategorier, og gruppere dem i 5 kategorier (by, jordbruk, skog, vann, ørken), noe som ville lage et romlig enklere kart. For diskrete felt (også kjent som kategoriske dekker eller kart i områdeklasse) representert som vektorpolygoner , for eksempel landdekning , klimatype , jordtype , bysonering eller overflategeologi , resulterer omklassifisering ofte i tilstøtende polygoner med samme kategori, noe som nødvendiggjør en påfølgende oppløsningsoperasjon for å slå dem sammen.
Overdrive
Overdrivelse er den delvise justeringen av geometri eller symbologi for å gjøre et aspekt av en funksjon større enn det egentlig er, for å gjøre dem mer synlige, gjenkjennelige eller høyere i det visuelle hierarkiet . For eksempel vil et sett med tette tilbakeslag i en vei løpe sammen på et lite kart, så veien tegnes om med løkkene større og lengre fra hverandre enn i virkeligheten. Et eksempel på symbologi ville være å tegne motorveier som tykke linjer i et småskala kart som ville være miles bredt hvis det ble målt i henhold til skalaen. Overdrivelse krever ofte en påfølgende forskyvningsoperasjon fordi den overdrevne funksjonen overlapper den faktiske plasseringen av funksjoner i nærheten, noe som nødvendiggjør deres justering.
Forflytte
Også kalt konfliktløsning
Forskyvning kan brukes når to objekter er så nær hverandre at de ville overlappe hverandre i mindre skalaer, spesielt når en overdreven operatør har gjort de to objektene større enn de egentlig er. Et vanlig sted hvor dette ville skje er byene Brazzaville og Kinshasa på hver side av Kongo -elven i Afrika. De er begge hovedstaden i landet sitt, og på oversiktskart vil de bli vist med et litt større symbol enn andre byer. Avhengig av kartets skala vil symbolene overlappe. Ved å forskyve dem begge bort fra elven (og vekk fra deres sanne beliggenhet) kan symboloverlapping unngås. Et annet vanlig tilfelle er når en vei og en jernbane går parallelt med hverandre. Keates (1973) var en av de første som brukte de moderne begrepene for overdrivelse og forskyvning og diskuterte deres nære forhold, men de ble anerkjent så tidlig som Imhof (1937)
Forbedre
Dette er tillegg av symboler eller andre detaljer på et kart i mindre skala for å gjøre en bestemt funksjon mer fornuftig, spesielt når slik forståelse er viktig, kartformålet. Et vanlig eksempel er tillegg av et brosymbol for å understreke at en veikryssing ikke er i klasse, men en overgang . I stor skala er et slikt symbol kanskje ikke nødvendig på grunn av den forskjellige symbologien og den økte plassen til å vise det faktiske forholdet. Dette tillegget kan virke kontraintuitivt hvis man bare tenker på generalisering som fjerning av detaljer. Dette er en av de minst oppførte operatørene.
GIS og automatisert generalisering
Etter hvert som GIS utviklet seg fra slutten av 1960 -tallet og fremover, ble behovet for automatiske, algoritmiske generaliseringsteknikker klart. Ideelt sett bør byråer som er ansvarlige for å samle inn og vedlikeholde romlige data, prøve å beholde bare en kanonisk representasjon av en gitt funksjon, på høyest mulig detaljnivå. På den måten er det bare en post å oppdatere når denne funksjonen endres i den virkelige verden. Fra disse store dataene bør det ideelt sett være mulig, gjennom automatisert generalisering, å lage kart og andre dataprodukter i hvilken som helst skala som kreves. Alternativet er å opprettholde separate databaser hver i skalaen som kreves for et gitt sett med kartleggingsprosjekter, som hver krever oppmerksomhet når noe endrer seg i den virkelige verden.
Flere brede tilnærminger til generalisering ble utviklet rundt denne tiden:
- Det representasjonsorienterte synet fokuserer på representasjon av data på forskjellige skalaer, som er relatert til feltet Multi-Representation Databases (MRDB).
- Det prosessorienterte synet fokuserer på generaliseringsprosessen.
- Den stige-tilnærmingen er en trinnvis generalisering, hvor hver avledet datasett er basert på den andre databasen av den neste større målestokk.
- De stjerne-tilnærmingen blir de utledede data på alle vekter er basert på en enkelt (stor-skala) data base.
Skalering av lov
Det er langt flere små geografiske trekk enn store på jordoverflaten, eller langt flere små ting enn store på kart. Denne oppfatningen om langt flere små ting enn store kalles også romlig heterogenitet, som har blitt formulert som skaleringslov. Kartografisk generalisering eller kartleggingspraksis generelt er i hovedsak å beholde den underliggende skaleringen av mange minste, noen få største, og noen mellom de minste og største. Denne kartleggingsprosessen kan oppnås effektivt og effektivt ved hode-/halepauser , et nytt klassifiseringsskjema eller visualiseringsverktøy for data med en kraftig distribusjon. Skalering av lov vil sannsynligvis erstatte Töpfers radikale lov til å være en universell lov for ulike kartleggingspraksis. Det som ligger til grunn for skaleringsloven er noe av paradigmeskifte fra euklidisk geometri til fraktal, fra ikke-rekursiv tenkning til rekursiv tenkning.
'Baltimore -fenomenet'
Baltimore -fenomenet er tendensen til at en by (eller et annet objekt) blir utelatt fra kart på grunn av plassbegrensninger, mens mindre byer er inkludert på det samme kartet rett og slett fordi det er plass til å vise dem. Dette fenomenet skylder navnet sitt til byen Baltimore, Maryland , som har en tendens til å bli utelatt på kart på grunn av tilstedeværelsen av større byer i umiddelbar nærhet i Midtatlanten i USA. Ettersom større byer i nærheten av Baltimore vises på kart, kan mindre og mindre kjente byer også vises i samme skala rett og slett fordi det er nok plass til dem på kartet.
Selv om Baltimore -fenomenet forekommer oftere på automatiserte kartleggingssteder, forekommer det ikke i alle skalaer. Populære kartnettsteder som Google Maps, Bing Maps, OpenStreetMap og Yahoo Maps vil bare begynne å vise Baltimore ved visse zoomnivåer: 5., 6., 7., etc.
Se også
Referanser
Videre lesning
- Buttenfield, BP, & McMaster, RB (red.). (1991). Generalisering av kart: lage regler for kunnskapsrepresentasjon . New York: John Wiley og sønner.
- Harrie, L. (2003). Vektinnstilling og kvalitetsvurdering i samtidig grafisk generalisering. Cartographic Journal , 40 (3), 221–233.
- Lonergan, M., & Jones, CB (2001). En iterativ fortrengningsmetode for konfliktløsning i kartgeneralisering. Algorithmica , 30, 287–301.
- Li, Z. (2006). Algoritmiske grunnlag for multiskala romlig representasjon . Boca Raton: CRC Press.
- Qi, H., & Zhaloi, L. (2004). Fremskritt i studier om automatisert generalisering av romlig punktklynge. IEEE Letters on Remote Sensing , 2994, 2841–2844.
- Burdziej J., Gawrysiak P. (2012) Using Web Mining for Discovering Spatial Patterns and Hot Spots for Spatial Generalization. I: Chen L., Felfernig A., Liu J., Raś ZW (red.) Foundations of Intelligent Systems. ISMIS 2012. Forelesningsnotater i informatikk, vol 7661. Springer, Berlin, Heidelberg
- Jiang B. og Yin J. (2014), Ht-indeks for kvantifisering av fraktal- eller skaleringsstrukturen til geografiske trekk, Annals of the Association of American Geographers , 104 (3), 530–541.
- Jiang B., Liu X. og Jia T. (2013), Skalering av geografisk rom som en universell regel for kartgeneralisering, Annals of the Association of American Geographers , 103 (4), 844–855.
- Chrobak T., Szombara S., Kozioł K., Lupa M. (2017), En metode for å vurdere generalisert datanøyaktighet med lineær objektoppløsningsverifisering , Geocarto International , 32 (3), 238–256.